Holo4 من H Company: نموذج وكيل حاسوبي 27B يسجل 61.7% على OSWorld 2.0
أطلقت H Company سلسلة Holo4 للوكلاء الحاسوبيين بحجمين: 27B كثيف و35B-A3B خليط خبراء، متاحة فوراً عبر H Models API وأوزانها على Hugging Face. يسجل Holo4-27B نسبة 61.7% على OSWorld 2.0 مقابل 81.8% لـ Opus 5.5، مع كفاءة تكلفة أعلى بمراتب. تدعم النماذج واجهات GUI والكود وMCP وAPIs على سطح المكتب والويب وأندرويد.
Holo4: سلسلة وكلاء حاسوبيين متعددي الواجهات من H Company
أعلنت شركة H Company رسمياً عن إطلاق سلسلة Holo4 من النماذج الوكيلية (agentic models)، وهي متاحة اليوم عبر H Models API مع نشر الأوزان على Hugging Face. تأتي السلسلة بحجمين: Holo4-27B كثيف وHolo4-35B-A3B خليط خبراء، إلى جانب Holotron4 Nano المحدث.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | تسعير Holo4 عبر H Models API بأسعار توكنز رسمية (single run). الشركة تؤكد أن التكلفة لكل مهمة أقل بمراتب من النماذج الأمامية (frontier models) على OSWorld 2.0 وAutomationBench. للمقارنة: Qwen3.8 27B مسعّر بأسعار Alibaba Cloud مع خصم 20% على cache hits للإدخال. |
| 🌐 المنصات والتوفر الفوري | متاح فوراً على H Models API. الأوزان على Hugging Face بصيغ BF16 وFP8 وNVFP4 و4-bit GGUF. يعمل على: سطح المكتب، الويب، أندرويد، بيئة الكود المعزولة (code sandbox)، وواجهات الأعمال (business APIs). |
| ⚡ الأداء ومؤشرات السرعة | OSWorld 2.0: Holo4-27B = 61.7% | Holo4-35B-A3B = 30.9% | Opus 5.5 = 81.8% | Opus 5 = 70.2% | GPT-5.6 Sol = 66.2%. AutomationBench v1.0.6: قياسات داخلية لـ Holo4 وQwen3.8 27B وQwen3.6 35B-A3B. |
| 🛡️ الأمان ومقاومة الاختراق | لم يُذكر في البيان الرسمي معيار أمني رقمي محدد. الشركة تشير إلى إعادة بناء الـ harness مع ذاكرة موثوقة وقشرة (shell) على جهاز سطح المكتب، وتدريب عبر التعلم المعزز (RL) على بيئات من Agentic Task Factory. |
| 🧠 سياق الذاكرة (Context Window) | لم يُعلن حجم نافذة السياق بالأرقام في البيان. الشركة تؤكد أن الـ harness الجديد يدير السياق على مدى مئات الخطوات (hundreds of steps) مع ذاكرة موثوقة. |
| 🌍 دعم اللغة العربية والمنطقة | لم يُذكر دعم عربي صريح في البيان الرسمي. النماذج مبنية على قاعدة Qwen (Qwen3.8 27B وQwen3.6 35B-A3B) المعروفة بدعم متعدد اللغات، والتوفر عالمي عبر H Models API وHugging Face. |
تفاصيل الإعلان والميزات التقنية الجديدة
بُني Holo4 على النموذج السابق لـ H Company، ويتفاعل مع البرمجيات عبر أي واجهة متاحة: واجهات المستخدم الرسومية (GUIs)، والكود، وبروتوكول MCP، وواجهات برمجة التطبيقات (APIs). يختار النموذج الواجهة الأنسب للمهمة تلقائياً، بخلاف معظم النماذج الوكيلية التي تُدرَّب لواجهة واحدة فقط. تدرب Holo4 عبر التعلم المُشرف (supervised learning) والتعلم المعزز (reinforcement learning) على مجموعة واسعة من البيئات والمهام، بما في ذلك مهام مولدة بواسطة Agentic Task Factory الخاصة بالشركة، والتي أنتجت حتى الآن نحو 10,000 مهمة عبر تطبيقات الويب وخوادم MCP وبيئات سطح المكتب، بما فيها بيئات هجينة تعرض الحالة نفسها عبر GUI وMCP معاً.
أعادت الشركة بناء الـ harness الخاص بها — وهي الحلقة التي تنفذ إجراءات النموذج وتدير سياقه على مدى مئات الخطوات — استناداً إلى ملاحظات الأداء الوكيلي على OSWorld 2.0. أبرز التغييرات: منح الوكيل ذاكرة موثوقة تتابع مئات الخطوات، وتوفير قشرة (shell) على جهاز سطح المكتب نفسه. كما طُبقت نفس تقنية التدريب اللاحق على نموذج Nemotron 3 Nano Omni ضمن عضوية H Company في تحالف NVIDIA Nemotron Coalition، ما أنتج Holotron4 Nano الذي يحقق تحسناً مطلقاً بنقاط مئوية على مهام GUI وبيئات MCP وAPIs وبيئات الكود.
المقارنة المعيارية والأداء التنافسي
على معيار OSWorld 2.0 — الأصعب في التحكم بسطح المكتب — يسجل Holo4-27B نسبة 61.7% مقابل 81.8% لـ Opus 5.5، و70.2% لـ Opus 5، و66.2% لـ GPT-5.6 Sol. أما Holo4-35B-A3B فيسجل 30.9%. وتؤكد H Company أن هذه النتائج تتحقق بعدد معاملات أقل بمراتب وبكلفة أدنى بكثير لكل مهمة. على معيار AutomationBench v1.0.6 لاستخدام APIs، قاست الشركة أداء Holo4 وQwen3.8 27B وQwen3.6 35B-A3B في harness داخلي، مع الإشارة إلى أن نتائج Holo4 على المجموعة الخاصة (private set) ستُعلن بعد التقييم. في اختبارات عملية على FreeCAD وGodot، استخدم Holo4-27B عدداً أقل من الاستدعاءات والتوكنز مقارنة بقاعدة Qwen3.8 27B في بعض المهام: مثال بناء لعبة Pac-Man استهلك 68 استدعاءً و2.4M توكن مقابل 197 استدعاءً و11.4M توكن لـ Qwen3.8 27B.
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
انخفاض عدد الاستدعاءات واستهلاك التوكنز في Holo4-27B مقارنة بقاعدة Qwen3.8 27B يعني تكلفة تطوير أقل مباشرة للمشاريع الناشئة في العالم العربي التي تبني وكلاء أتمتة لسطح المكتب أو الويب. ولأن النماذج مبنية على قاعدة Qwen متعددة اللغات، فإن معالجة النصوص العربية داخل واجهات GUI وتطبيقات الأعمال تظل ممكنة تقنياً، مع الحاجة إلى تقييم ميداني للأداء العربي. توفر الأوزان بصيغ GGUF وFP8 وNVFP4 على Hugging Face يسمح بالتشغيل المحلي أو على سحابة إقليمية، ما يخفض تكاليف الاستدلال ويراعي متطلبات سيادة البيانات في القطاعات الحكومية والمالية العربية. حالات الاستخدام العملية تشمل أتمتة إدخال البيانات في أنظمة ERP العربية، وتشغيل سكربتات على تطبيقات سطح مكتب قديمة بلا APIs، وبناء وكلاء دعم فني يتنقلون بين الويب وMCP.
الخلاصة والتطلعات القادمة
يمثل Holo4 خطوة نحو وكلاء حاسوبيين عامي الأغراض (generalist computer-use agents) يجمعون GUI والكود وMCP وAPIs في نموذج واحد، مع كفاءة تكلفة تنافسية مقابل النماذج الأمامية المغلقة. الشركة تعتزم إطلاق نقاط تحقق DSpark drafter المحسّنة خلال الأيام القادمة لتسريع الاستدلال، ما قد يعزز جدوى النشر الإنتاجي للمشاريع العربية.
المصدر الإعلامي: Hugging Face | البيان الرسمي للشركة: المصدر الأصلي | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
