Das französische KI-Unternehmen H Company hat am 28. September auf Hugging Face die Modellreihe Holo4 veröffentlicht, die speziell für „Computer-Use-Agenten“ gedacht ist: Screenshots lesen, Maus klicken, Tastatur bedienen – und dazu Code, MCP-Server und APIs aufrufen, um Aufgaben zu erledigen. Diese Generation umfasst zwei Hauptversionen: das dichte Modell Holo4-27B mit 27 Milliarden Parametern sowie das Mixture-of-Experts-Modell Holo4-35B-A3B mit insgesamt 35 Milliarden Parametern, von denen pro Aufruf rund 3 Milliarden aktiviert werden. Die Gewichte stehen unter der Apache-2.0-Lizenz offen zur Verfügung.
Daneben gibt es noch Holotron4 Nano, trainiert auf Basis von Nvidias Nemotron 3 Nano Omni, mit der Konfiguration 30B-A3B.
H Company hat seinen Hauptsitz in Paris, wurde 2024 gegründet, und im Gründungsteam sind mehrere ehemalige DeepMind-Forscher. Noch im Gründungsjahr sammelte das Unternehmen eine Seed-Runde von rund 220 Millionen US-Dollar ein. Die Holo-Reihe ist das Hauptprodukt des Unternehmens; laut offiziellem Blog wurde Holo4 durch fortgesetztes Training auf Basis der Vorgängergeneration entwickelt.
Benchmarks und Positionierung
H Company stützt sich vor allem auf OSWorld 2.0, einen Benchmark, bei dem Modelle mehrstufige Aufgaben in einem echten Desktop-System ausführen müssen. Der Vergleich aus dem offiziellen Blog:
- Holo4-27B: 61,7 %
- Claude Opus 5.5: 81,8 %
- Claude Opus 5: 70,2 %
- GPT-5.6 Sol: 66,2 %
Diese Zahlen zeigen: Holo4-27B liegt schon nahe am geschlossenen Flaggschiff der Vorgängergeneration, hat aber gegenüber dem derzeit stärksten Modell Opus 5.5 noch deutlichen Abstand. H Company selbst formuliert es so, dass Holo4 bei langen Aufgabenabläufen „nur den paar stärksten Closed-Source-Modellen unterlegen“ sei – bei einer um mehrere Größenordnungen kleineren Parameterzahl und deutlich niedrigeren Kosten pro Aufgabe.
Die Kostenzahlen finden sich in der Modellkarte: Holo4-35B-A3B erreicht auf AutomationBench 34,5 %, bei Kosten von etwa 0,02 US-Dollar pro Aufgabe. Die Kosten der anderen im Blog genannten Modelle sind nur als Diagramm dargestellt, konkrete Werte werden nicht genannt.
Zu den Demo-Szenarien zählen 3D-Modellierung, Game-Design und die Automatisierung von Geschäftsprozessen in Unternehmen. Alle diese Werte wurden im eigenen Testrahmen von H Company ermittelt; das Unternehmen weist außerdem darauf hin, dass das Modell mit dem eigenen Ausführungsframework hai-agents kombiniert werden muss. Unabhängige Nachtests gibt es bisher nicht.
Was das für chinesische Entwickler bedeutet
Zunächst zur Basis: Laut Modellkarte basiert Holo4-35B-A3B auf Qwen3.6-35B-A3B von Alibaba, mit einem maximalen Kontextfenster von 262.144 Token. Chinesische Teams kennen sich mit Deployment, Quantisierung und Inferenzoptimierung dieser Architektur bereits gut aus – setzt man die Holo4-Gewichte ein, muss an der Toolchain kaum etwas geändert werden.
Zur Frage, ob sich das Modell lokal betreiben lässt: Holo4-27B wird in den Formaten BF16, FP8, NVFP4 und Q4 GGUF angeboten. Nach 4-Bit-Quantisierung könnte es auf eine Consumer-Grafikkarte mit 24 GB VRAM passen – das ist allerdings nur eine grobe Schätzung, das tatsächliche Ergebnis hängt von Screenshot-Auflösung und Kontextlänge ab. Das Modell 35B-A3B aktiviert pro Aufruf nur rund 3 Milliarden Parameter und ist dadurch bei der Inferenzgeschwindigkeit im Vorteil.
Computer-Use-Agenten haben ein grundsätzliches Problem: Sie müssen laufend Screenshots erfassen und an das Modell senden. Bei Closed-Source-Modellen wie Opus oder GPT müssen diese Screenshots in eine ausländische Cloud hochgeladen werden – in vielen internen Netzwerken aus Finanzwesen, Behörden und Industrie ist das schlicht nicht erlaubt. Da die Apache-2.0-Lizenz kommerzielle Nutzung und Veränderung zulässt, bietet ein Open-Source-Modell, das lokal im eigenen Rechenzentrum läuft und dabei über 60 % erreicht, für solche Szenarien eine praktisch nutzbare Option.
Parallel dazu bietet H Company über die eigene H Models API einen gehosteten Dienst an, dessen Preis noch nicht veröffentlicht wurde.
Quellen: offizieller Blog von H Company, Hugging-Face-Modellkarte, CocoLoop; der OSWorld-2.0-Wert stammt aus dem Blog von H Company, die AutomationBench-Ergebnisse und die Kosten pro Aufgabe aus der Modellkarte – alle Angaben stammen vom Hersteller selbst.