獲投2.2億美元的H推首款產品Runner H：2B輕量模型專攻Agent自動化

拿了 2.2 億美元的天使輪融資，產品還沒影，5 個聯合創始人就先內訌跑了 3 個。巴黎 AI 初創公司 H 去年差點成了科技圈最大的笑話。

不過這家由前 Google 員工操刀的公司並沒有散夥。11 月 20 日，H 正式端出了他們的第一款產品 Runner H，正式殺入當下最火的 AI Agent 賽道。

2B 引數的「小個子」打法

行業裡的大模型都在卷引數，GPT-4 引數量傳聞達到數千億。但 Runner H 走了一條完全相反的路線，它基於自研的緊湊型大模型，引數量只有 20 億（2B），配套的視覺語言模型同樣只有 2B 引數。

雖然模型很小，但 H 宣稱在 WebVoyager 基準測試中，Runner H 的表現比 Anthropic 剛推出不久的「Computer Use」還要高出 29%，同時優於 Mistral 和 Meta 的同類模型。

執行長 Charles Kantor 的邏輯很直白：既然做的是替企業打工的 Agent，那就得算賬。2B 引數不僅能大幅降低企業使用和部署的運營成本，也能讓 H 自己在商業化競爭中少燒一點錢。

產品形態上，H 已經在官網開放了候補名單，未來幾天會陸續發放 API。開發者可以直接使用預設好的現成 Agent，也能自己開發，官方還配套了一個叫 H-Studio 的管理測試平臺。初期這些 API 免費試用，之後會轉向付費。

專挑髒活累活幹

根據 H 的說法，Runner H 目前鎖定在三個傳統但離錢很近的場景：機器人流程自動化（RPA）、軟體質量測試（QA）以及業務流程外包（BPO）。

傳統的 RPA 指令碼極度脆弱，網頁表單稍微改個樣式或者調個位置，自動化流程往往就直接報錯癱瘓。Runner H 主打的就是具備視覺和理解能力，即使介面改版，它依然能看懂並繼續填表、勾選和傳輸資料。

在 QA 領域，它主要幫企業分擔網站維護負擔，比如模擬真實使用者點選、校驗支付流程是否正常運作。在 BPO 方面，則用來梳理發票賬單、抓取分散在不同系統裡的資料。

Kantor 透露，他們已經和電商、銀行、保險等領域的少數客戶秘密打磨了一段時間，所有功能都來自客戶反饋。與此同時，公司實際融資總額已經悄悄漲到了 2.3 億美元，而且正在籌備 A 輪融資。在 Kantor 眼裡，OpenAI 代表的底層大模型是第一時代，而像 H 這樣的 Agent 才是第二時代，不過這個第二時代同樣是個極其燒錢的戰場。

為什麼重要

對企業和開發者來說，Runner H 的思路切中了目前很多團隊落地 AI 時的最大痛點：通用大模型太貴、太慢，做複雜互動時還動不動超時卡頓。用一個專門打磨過的 2B 小模型去接管具體的點按、填表操作，如果真能穩定跑通，無論是呼叫成本還是推理延遲，都會比直接掛著百億千億引數的大模型舒服得多。如果你的業務裡有大量重複的介面搬運工作，等它的 API 開放後確實值得拿來跑一跑測試。

從行業競爭來看，這直接對標了 Anthropic 的 Computer Use。Anthropic 用前沿大模型降維做電腦操作，展現了通用智慧的潛力，而 H 則試圖證明「小模型加專門訓練」也能在這個垂類把大模型拉下馬。如果 2B 模型真能在 WebVoyager 上領先 29%，這會逼著更多做端側和垂直 Agent 的團隊放棄堆引數的幻想。

我們認為，H 這一步踩得非常聰明，他們沒有在大模型底座上去跟巨頭拼算力，而是直接切入企業裡最枯燥、預算最明確的自動化場景。但隱患也同樣明顯。自動化任務最要命的是容錯率，在金融和發票這類場景下，小模型在面對長尾極端情況時的泛化能力究竟如何，還停留在官方測試集層面。再加上之前核心技術團隊大半出走，後續的技術迭代和長線工程交付能力，恐怕還需要實際的商業交付來證明。