不是AI不够聪明，是它只会一种进门方式：H公司开源Holo4，一个模型通吃屏幕、代码和API

先泼冷水：这不是最强，是最会挑门的

冲着 “最强电脑操作模型” 点进来的，先别急着兴奋。Holo4 不是最强的。长流程桌面任务上，它离头部闭源模型差着二十个点，连人家一半都够呛。

但它动了另一件事，一件过去所有人都绕着走的事。你让现在的 AI 去订张机票，它可能真的打开浏览器，一格一格点日期控件，连点四十下。你让它去公司那套老 CRM 里改一条客户信息，它当场就死在那儿，因为那个系统压根没有接口可调。

不是模型笨。是它手里只有一把钥匙。

2026 年 9 月 28 日，法国实验室 H Company 开源了 Holo4。放出来的不是一个更会点屏幕的模型，而是一个会自己判断这一步该点屏、该写代码还是该调接口的模型。

真正的瓶颈早就不是手够不够巧，是它知不知道门在哪。

三种进门方式，过去你只能选一种

先把话说死：GUI、代码、API 这三条路，过去是三拨人各走各的，谁也不碰谁的活。

点屏幕的那一路盯着截图操作，通用性最好，代价是笨重。遇到明明有接口的系统，它还在数着像素找对话框。你等它点完，token 也烧完了。

走 MCP 和 API 的那一路干净、快、结果可校验。硬伤也很直白：没接口的地方，它一步都迈不出去。老系统、内部后台、供应商那个连文档都没有的网页，全是死路。顺手说一句，站内聊过的 MCP 协议解决的是怎么调，解决不了没有东西可调。

写代码的那一路在沙箱里很强。可一旦关键状态只存在于图形界面里，它就抓瞎，那边根本没有命令行给它读。

真实的业务任务偏偏是三者的混合体。让 AI 处理一张发票：先得登录那个没有接口的内部系统，只能点屏幕；抓下来的数据要算税，写代码最省；最后写回 ERP，调 API 一步到位。任何只会一种进法的模型，都会卡在中间那一环。

一步任务同时存在 GUI 和 API 两种走法，选错的那条路会让你多花三倍 token。

图：同一个模型，屏幕、代码、MCP 与 API 三条路都通，走哪条由它自己判断

它是怎么学会挑门的

结论先放这儿：不是靠提示词教的，是靠训练环境里同时把两条路摆出来。

H 公司内部有条流水线叫 Agentic Task Factory，只喂软件文档和真实网站截图，就能造出可交互的环境和可校验的任务。目前约一万个：约四千个 web app、三千个 MCP server、三千个桌面环境。

关键在最后那句描述里藏着的东西：这里面有同一状态同时通过 GUI 和 MCP 暴露的混合环境。模型不是被教成遇到 A 场景就用 API，而是在同一个状态下反复比较，走屏幕要几步、走接口要几步，自己比出哪条更短。

训练分两段。SFT 用了 127B tokens，约四分之三是成功智能体轨迹，桌面占 45%、web 占 14%、MCP 与 API 占 12%、移动端占 3%，剩下的是多模态推理、GUI grounding、纯文本工具使用和编码。之后异步在线 RL 训了两个专门的 LoRA 专家，一个管桌面加 web，一个管终端加 MCP 加 API，等权合并回 SFT 模型，合并之后没有再训练。

两段的分工很清楚：SFT 教它每条路怎么走，RL 教它哪条路更近。

上手：把权重拉下来本地跑

先分清你要哪个。两个尺寸，性格完全不同。

Holo4-27B 是 dense，基于 Qwen3.8 dense 架构。Holo4-35B-A3B 是 MoE，35B 总参数、约 3B 激活，基于 Qwen3.5 MoE。上下文上限 262,144 tokens，权重给了 BF16、FP8、NVFP4 和 4-bit GGUF 四种格式。

本地跑最省事的组合是 GGUF 加 llama.cpp，先只把模型服务起来。

# 拉 Apache 2.0 那个尺寸的 4-bit GGUF 权重
from huggingface_hub import snapshot_download
snapshot_download(
    repo_id="Hcompany/Holo4-35B-A3B",
    allow_patterns=["*.gguf"],
    local_dir="./holo4-35b"
)

# 用 llama.cpp 起一个本地 OpenAI 兼容服务
llama-server -m ./holo4-35b/*.gguf -c 65536 --host 127.0.0.1 --port 8080

服务起来之后，动作执行交给官方 harness，模型卡里指向的名字叫 hai-agents：它把截图和工具结果喂给模型，再执行模型要求的点击、输入、代码和工具调用。这次重建后支持数百步的持久记忆，还能直连桌面本机 shell。它的启动参数以仓库 README 为准，这里不替它编。

文件名和端口都按你本地实际情况换，上面这段是起手式，不是保证一次点亮的成品命令。

不想自己扛显卡，也有云端托管的路子，比如站内写过的 Hugging Face 那个免费的云端电脑操作 Agent。两类方案怎么选，看下面三个坑再定。

官方那笔账：68 次调用干完 197 次的活

这段最有说服力，也最容易被读错。

官方公布的效率案例是在 Godot 里做一个 Pac-Man 项目，同一 prompt、同一 harness 下跟自己的基座比。Holo4-27B 用了 68 次工具调用、2.4M tokens，产出 268 行代码；基座 Qwen3.8 27B 用了 197 次调用、11.4M tokens。调用少约 65%，token 少约 79%。

79% 这个数是跟自己的基座比的，不是跟闭源旗舰比的。这条必须写在旁边，否则就是自我吹嘘。

但它确实说明一件事：RL 阶段训出来的不只是更准，是更省。电脑操作是按步烧钱的，省下的每一步都直接落在账单上。

图：同 prompt 同 harness 下，68 次调用对 197 次调用，token 差了近八成

分数怎么读

先立规矩：下面所有分数都是 H 公司自家 harness 的口径，暂无第三方独立复现。当参考读，别当排行榜读。

OSWorld 短任务这块，Holo4-27B 是 85.2%、单任务 0.08 美元；35B-A3B 是 80.8%、0.05 美元。对照里基座 Qwen3.8 27B 84.3% 但要 0.22 美元，Fable 5 是 86.0%、GPT-5.5 78.7%、Qwen3.8 Max 86.1%。大家挤在 80 到 86 之间，差别不在分，在价：同样的活，它便宜三到四倍。

换到 OSWorld 2.0 的长流程桌面，画风立刻变了。Holo4-27B 是 61.7%（成功率 41.5%）、1.22 美元；35B-A3B 只有 30.9%、0.61 美元。对照里 Opus 5.5 是 81.8% 但要 8.48 美元，GPT-6 Astra 73.5%、9.07 美元，基座 Qwen3.8 27B 48.0%、3.49 美元。

剩下三项：AutomationBench v1.0.6 上 27B 45.4%、0.05 美元，35B-A3B 34.5%、0.02 美元；ALE-CLI 的 105 道 Linux 题，27B 44.1%，MoE 30.9%；AndroidWorld 上 27B 85.1%，MoE 77.6%。

读法就一句话：短任务看价格，长任务看差距。长流程它还没追上。

三个坑，先看清楚再决定上不上

坑 1：能免费商用的那个，长流程桌面只有一半分

现象：Holo4-27B 的许可是 CC BY-NC 4.0，不可商用。真正 Apache 2.0、可商用的是 Holo4-35B-A3B，而它在 OSWorld 2.0 上只有 30.9%。

根因：Apache 2.0 那个是 MoE，激活参数只有约 3B。长流程任务吃的是持续推理深度，这块它被 dense 的 27B 拉开了距离。

解法：if 你的任务是短平快的单目标操作，填表、抓取、下单这类，then 上 35B-A3B，便宜还合规；if 你要跑几十步以上的桌面长流程，then 用 H Models API，35B-A3B 是 0.30 美元每百万输入、0.03 美元缓存、2.00 美元输出，27B 被官方标成 research-only，价格 0.40、0.04、3.00。