H Company 发布电脑操作模型 Holo3：OSWorld 跑出 78.85 分，35B 版本开源

让大模型帮你写邮件、查资料不算难事，但如果让它自己打开系统、点开网页、跨好几个软件去核对报销单，很多 AI 立刻就会在桌面里迷路。

H Company 正式发布了专用于操作电脑的智能体模型 Holo3 系列。它的目标不是跟你聊天，而是专门坐进企业系统里替你操纵鼠标和键盘。

在主流桌面计算机操作评测 OSWorld-Verified 上，旗舰版 Holo3-122B-A10B 拿下了 78.85% 的得分，刷新了该基准的最佳纪录。值得注意的是，这款总参数 122B 的模型采用了混合专家架构，实际单次运行仅激活 10B 参数。

除了旗舰版本上线推理 API，H Company 还把较小尺寸的 Holo3-35B-A3B 直接放到了 Hugging Face 上，遵循 Apache 2.0 协议开源权重，同时在自家的 Inference API 中提供免费额度供大家调用。

虚拟工厂练出来的「打工人」

让模型操作界面，最大的难点在于现实中的业务系统千奇百怪，稍微改个按钮位置模型就容易卡壳。

Holo3 是在阿里 Qwen 3.5 的基础上通过后训练打造的。官方把它背后的机制叫做「智能体学习飞轮」（Agentic Learning Flywheel），核心思路就是不断打磨模型的界面感知与任务决策。

训练过程里，团队先用人工和自动生成指令构造了大量的合成导航数据，再通过程序化拓展出各种「域外」突发场景，确保模型在遇到非预期弹窗或界面变化时不会直接死机。随后，所有数据样本都会进入专门针对操作表现调优的强化学习流程。

为了检验它到底能不能干复杂的企业脏活，H Company 还搭建了一套「合成环境工厂」（Synthetic Environment Factory）。这套系统会让写代码的 AI 智能体根据需求规格自动从零编写网站，生成各种不同难度的可验证任务，并用脚本端到端验证执行结果。

针对这种生产环境，他们还推出了包含 486 个真实多步任务的企业级基准 H Corporate Benchmarks，涵盖电商、业务软件、协同办公和跨应用协作四大类。

以最棘手的多应用联动为例，模型需要先从一份 PDF 报价单里提取设备价格，切换到内部系统比对每个员工的剩余预算，最后自动生成个性化的审批或拒绝邮件发出去。这种活不仅要求算对账、读懂文档，还得在几个窗口切来切去时死死记住当前的任务状态。

为什么重要

让 AI 控制电脑这项技术，业内早就从概念走向了实际竞争，但过去大家往往得在「效果拔群但贵得离谱的闭源巨兽」和「免费但经常点错按钮的开源小模型」之间二选一。

我们认为，Holo3 这一步走得相当务实。首先是架构上的取舍：旗舰版用 122B 总参数配合 10B 激活参数，不仅在 OSWorld 上力压群雄，运行成本也只有 GPT 5.4 或 Opus 4.6 这类超大专有模型的一个零头。对于想部署电脑自动化、又害怕被 API 账单拖垮的企业来说，这是一个极具性价比的落地选择。

更聪明的是开源 35B 版本（激活 3B 参数）这一招。Holo3-35B-A3B 走 Apache 2.0 协议，意味着企业和独立开发者可以毫无顾虑地拉回本地做二次微调或私有化部署。虽然小尺寸模型的绝对执行上限肯定比不上 122B 旗舰，但它给广阔的桌面自动化工具生态撕开了一个低门槛的入口。

当然，局限也显而易见。官方也坦承目前的 Holo3 主要是对已知界面的交互能力极强，离真正遇到全新未知软件就能实时自适应操作的「自适应智能体」还有一段距离。而且让 AI 拥有全套系统控制权，在企业内部的数据安全与防误操作上依然需要极高的防护栅栏。

但无论如何，能打赢测试榜单且成本可控的电脑操作模型问世，必然会倒逼闭源大厂加速下放类似能力。未来的桌面软件生态，可能真要从「人教 AI 用」走向「AI 替人点」了。