Holo4 เปิดตัว: ฐาน Qianwen เสริมความสามารถ Computer Use โดยเฉพาะ

动察 Beating ข่าวด่วน AI บริษัท AI สัญชาติฝรั่งเศส H Company เปิดตัวโมเดล Computer Use Holo4 ประกอบด้วยสองเวอร์ชันคือ 27B และ 35B-A3B โดยเวอร์ชันแรกอิงสถาปัตยกรรม Qwen3.8 dense ส่วนเวอร์ชันหลังอิงสถาปัตยกรรม Qwen3.5 MoE และทำ post-training ต่อ

H Company เน้นเสริมความสามารถด้านการควบคุมคอมพิวเตอร์และการทำงานระยะยาวเป็นหลัก โดยนำโมเดลทั่วไปมาเทรนต่อให้เป็นโมเดล Agent ที่มุ่งเน้น Computer Use

ในขั้นตอน supervised fine-tuning H Company ใช้ไปทั้งหมด 1.27 แสนล้าน tokens โดยประมาณสามในสี่เป็นเส้นทางการดำเนินการของ Agent ที่ทำงานสำเร็จ ครอบคลุมเดสก์ท็อป เว็บ มือถือ MCP และ API จากนั้นทำ reinforcement learning โดยแยกเทรนความสามารถเฉพาะทางสองประเภทคือ "เดสก์ท็อปและเว็บ" กับ "เทอร์มินัล MCP และ API" แล้วรวมกลับเข้าโมเดลเดียวกัน บริษัทยังสร้างงานควบคุมซอฟต์แวร์ขึ้นเองประมาณ 10,000 งาน เพื่อใช้เทรนการทำงานข้ามแอปและกระบวนการยาว

H Company ยังทำ Agent harness ใหม่ เพื่อให้โมเดลจดจำการดำเนินการก่อนหน้าได้อย่างต่อเนื่องในงานหลายร้อยขั้นตอน และสามารถเรียก shell บนคอมพิวเตอร์ได้โดยตรง

ผลลัพธ์เด่นชัดในงานระยะยาว Holo4 27B ได้ 61.7% บน OSWorld 2.0 ขณะที่ Qwen3.8-27B ได้ 48.0% ตามผลอย่างเป็นทางการ บน OSWorld ทั่วไป Holo4 ได้ 85.2% ส่วน Qwen3.8-27B ได้ 84.3% อย่างไรก็ตาม harness เวอร์ชันงาน และการตั้งค่าการประเมินของผลเหล่านี้ไม่เหมือนกันทั้งหมด จึงไม่สามารถใช้เป็นการเปรียบเทียบภายใต้เงื่อนไขเดียวกันอย่างเคร่งครัดได้