H Company 发布 Holo3.1 系列 Computer Use Agent 模型

去年三月，我们发布了 Holo3，这是我们最先进的计算机使用模型。它一经推出便迅速被采用。开发者、企业和合作伙伴开始将 Holo3 部署到广泛的工作流中，从浏览器自动化和商业软件到内部工具和桌面应用。随着采用范围扩大，我们意识到仅靠性能已不再足够。

用户希望能在桌面和移动环境中运行相同的计算机使用能力，并与不同的智能体框架无缝集成。他们希望部署方式灵活，从云端推理到在终端用户设备上完全本地执行。

因此，我们发布了 Holo3.1 系列。Holo3.1 在三个对生产最为关键的维度上提升了稳健性：环境（网页、桌面、移动）、智能体框架和部署目标。我们首次发布了针对本地推理优化的量化检查点，包括 FP8、Q4 GGUF 和 NVFP4。

Holo3.1 是朝着我们通用计算机使用智能体愿景迈出的重要一步：这些系统能够跨环境运行、集成到任何智能体技术栈中，并在工作流所在的任何地方运行。

跨 GUI 环境和智能体框架的计算机使用

Holo3.1 基于 Qwen 系列，旨在提升计算机使用智能体实际部署环境中的稳健性，同时保持最先进的性能。

随着团队将 Holo3 从评估推向生产，我们反复观察到同一个挑战：在一种设置中的强劲性能不一定能迁移到另一种设置。移动设备、替代智能体框架和不同的执行框架都会引入各自的分布偏移来源。

Holo3.1 将 Holo3 的能力扩展到浏览器和桌面控制之外，在移动环境上带来重大提升。在 AndroidWorld 上，我们的 35B-A3B 模型从 67% 提升到 79.3%，而更小的 4B 和 9B 变体从 58% 提升到 72%。

为了更好地支持在第三方智能体技术栈中部署 Holo 的团队，Holo3.1 在 Holo3 已有的结构化 JSON 输出之外，引入了对函数调用协议的原生支持。

在 OSWorld 以及我们覆盖电商、商业软件和协作工作流的内部基准测试套件中，函数调用和原生执行现在达到了接近同等的性能。在我们的 Holotab 产品框架内评估时，Holo3.1 相比 Holo3 还带来了超过 25% 的提升。

为了进一步支持本地和设备端推理，我们还发布了新的模型尺寸，包括用于高性价比和私有化部署的小型模型（0.8B、4B 和 9B），以及用于最先进性能的更大 35B-A3B 模型。

Holo3.1 和 Qwen 3.5 系列的性能与成本对比。总体性能先对四个 H Corporate 基准取平均（因此每个系列权重相同），然后对 OSWorld、AndroidWorld、H Corporate、ScreenSpot-Pro 和 OSWorld-G 取均值。

这是我们首次发布量化权重。我们从 35B-A3B 检查点开始，提供 FP8、Q4 GGUF 和 NVFP4 版本。

对于 NVFP4，我们使用了 NVIDIA 的 Model Optimizer，采用 W4A16 配置。这些检查点可为 Computer Use Agents 实现快速本地推理，且模型性能几乎无下降。FP8 和 NVFP4 取得了相同的 OSWorld 分数，仅比全精度 BF16 检查点低约两分。

加速效果显著：在 DGX Spark 上，NVFP4 W4A16 的总 token 吞吐量是 FP8 的 1.41 倍，是 BF16 的 1.74 倍。

我们还发布了 Q4 GGUF 检查点，旨在将 Computer Use Agents 部署到消费级硬件上。

智能体本身在 Windows 或 Mac 机器上本地运行，而模型既可以在同一台机器上运行——我们提供了 Apple Silicon 的参考数据——也可以在同一网络中的 DGX Spark 上运行。在这两种情况下，执行都完全私密且本地化，没有任何数据离开用户的网络。

在 Spark 上，我们与 NVIDIA 共同开发的智能体框架优化，结合上述 NVFP4 量化，相比 FP8 基线实现了约 2 倍的端到端复合加速，将平均步骤时间从 6.8 秒缩短至 3.3 秒。

各平台和精度下的智能体请求速率。在 DGX Spark 上，采用 NVFP4 的 vLLM 在 Default 和 Fast 模式下均实现了最高请求速率，其次是 Q4 GGUF 和 FP8。这些改进以及更多优化将落地于即将推出的桌面智能体框架中。

Holo3.1 系列提供四种规模：

我们还发布了针对本地和边缘部署优化的 FP8、NVFP4 和 Q4 GGUF 检查点。

我们期待看到开发者们用 Holo3.1 构建出什么。