获投2.2亿美元的H推首款产品Runner H：2B轻量模型专攻Agent自动化

拿了 2.2 亿美元的天使轮融资，产品还没影，5 个联合创始人就先内讧跑了 3 个。巴黎 AI 初创公司 H 去年差点成了科技圈最大的笑话。

不过这家由前 Google 员工操刀的公司并没有散伙。11 月 20 日，H 正式端出了他们的第一款产品 Runner H，正式杀入当下最火的 AI Agent 赛道。

2B 参数的「小个子」打法

行业里的大模型都在卷参数，GPT-4 参数量传闻达到数千亿。但 Runner H 走了一条完全相反的路线，它基于自研的紧凑型大模型，参数量只有 20 亿（2B），配套的视觉语言模型同样只有 2B 参数。

虽然模型很小，但 H 宣称在 WebVoyager 基准测试中，Runner H 的表现比 Anthropic 刚推出不久的「Computer Use」还要高出 29%，同时优于 Mistral 和 Meta 的同类模型。

首席执行官 Charles Kantor 的逻辑很直白：既然做的是替企业打工的 Agent，那就得算账。2B 参数不仅能大幅降低企业使用和部署的运营成本，也能让 H 自己在商业化竞争中少烧一点钱。

产品形态上，H 已经在官网开放了候补名单，未来几天会陆续发放 API。开发者可以直接使用预设好的现成 Agent，也能自己开发，官方还配套了一个叫 H-Studio 的管理测试平台。初期这些 API 免费试用，之后会转向付费。

专挑脏活累活干

根据 H 的说法，Runner H 目前锁定在三个传统但离钱很近的场景：机器人流程自动化（RPA）、软件质量测试（QA）以及业务流程外包（BPO）。

传统的 RPA 脚本极度脆弱，网页表单稍微改个样式或者调个位置，自动化流程往往就直接报错瘫痪。Runner H 主打的就是具备视觉和理解能力，即使界面改版，它依然能看懂并继续填表、勾选和传输数据。

在 QA 领域，它主要帮企业分担网站维护负担，比如模拟真实用户点击、校验支付流程是否正常运作。在 BPO 方面，则用来梳理发票账单、抓取分散在不同系统里的数据。

Kantor 透露，他们已经和电商、银行、保险等领域的少数客户秘密打磨了一段时间，所有功能都来自客户反馈。与此同时，公司实际融资总额已经悄悄涨到了 2.3 亿美元，而且正在筹备 A 轮融资。在 Kantor 眼里，OpenAI 代表的底层大模型是第一时代，而像 H 这样的 Agent 才是第二时代，不过这个第二时代同样是个极其烧钱的战场。

为什么重要

对企业和开发者来说，Runner H 的思路切中了目前很多团队落地 AI 时的最大痛点：通用大模型太贵、太慢，做复杂交互时还动不动超时卡顿。用一个专门打磨过的 2B 小模型去接管具体的点按、填表操作，如果真能稳定跑通，无论是调用成本还是推理延迟，都会比直接挂着百亿千亿参数的大模型舒服得多。如果你的业务里有大量重复的界面搬运工作，等它的 API 开放后确实值得拿来跑一跑测试。

从行业竞争来看，这直接对标了 Anthropic 的 Computer Use。Anthropic 用前沿大模型降维做电脑操作，展现了通用智能的潜力，而 H 则试图证明「小模型加专门训练」也能在这个垂类把大模型拉下马。如果 2B 模型真能在 WebVoyager 上领先 29%，这会逼着更多做端侧和垂直 Agent 的团队放弃堆参数的幻想。

我们认为，H 这一步踩得非常聪明，他们没有在大模型底座上去跟巨头拼算力，而是直接切入企业里最枯燥、预算最明确的自动化场景。但隐患也同样明显。自动化任务最要命的是容错率，在金融和发票这类场景下，小模型在面对长尾极端情况时的泛化能力究竟如何，还停留在官方测试集层面。再加上之前核心技术团队大半出走，后续的技术迭代和长线工程交付能力，恐怕还需要实际的商业交付来证明。