H Company 2 июня 2026 года представила Holo3.1 — новое поколение моделей для computer use agents, то есть ИИ-агентов, которые умеют работать с графическим интерфейсом: открывать приложения, нажимать кнопки, заполнять формы, пользоваться браузером, десктопными программами и мобильными интерфейсами. Главная идея релиза — сделать таких агентов быстрее, устойчивее и ближе к локальному запуску, без обязательной отправки данных в облако.
Что произошло
Holo3.1 — это обновление семейства Holo3, которое H Company позиционирует как модели для управления компьютером. В отличие от обычных языковых моделей, которые в основном отвечают текстом, computer use model должна понимать экран, планировать действие и выдавать команды для интерфейса: куда кликнуть, что ввести, какой следующий шаг выполнить.
Если совсем просто: это не просто чат-бот, а «зрение + логика + управление интерфейсом». Такой агент может работать в браузере, корпоративной CRM, внутренней админке, десктопном приложении или мобильной среде. Именно поэтому для него важна не только точность на тестах, но и стабильность в разных окружениях.
В Holo3.1 компания делает упор на три вещи:
- Поддержку разных сред: веб, десктоп, мобильные интерфейсы.
- Совместимость с разными агентскими фреймворками.
- Более гибкий запуск: от облачного API до локального инференса на собственной машине или в локальной сети.
Самое заметное изменение — H Company впервые выпускает квантованные версии Holo: FP8, NVFP4 и Q4 GGUF. Это важно, потому что такие форматы позволяют запускать крупные модели быстрее и дешевле, а в некоторых сценариях — локально, без передачи пользовательских данных наружу.
Почему это важно
Рынок ИИ-агентов постепенно уходит от демонстраций в стиле «модель открыла сайт и что-то нажала» к практическим сценариям. Бизнесу нужны агенты, которые могут работать в реальных интерфейсах: бухгалтерских системах, админках, таск-трекерах, интернет-магазинах, таблицах, внутренних порталах.
Проблема в том, что интерфейсы сильно отличаются. Агент, который хорошо работает в браузерном тесте, может хуже справляться с мобильным приложением. Агент, который стабилен в одном фреймворке, может терять качество при переносе в другой стек. Агент, который быстро работает в облаке, может быть непригоден для компании с жёсткими требованиями к приватности.
Holo3.1 как раз закрывает эти слабые места. Это не релиз «ещё одной умной модели для чата». Это релиз про эксплуатацию: как запускать агента в разных условиях, как интегрировать его в существующую систему, как снизить задержки и как оставить данные внутри инфраструктуры.
Что изменилось по сравнению с Holo3
Предыдущая версия Holo3 была сфокусирована на высокой производительности computer-use-модели. Holo3.1 развивает эту линию, но делает акцент не только на абсолютном качестве, а на применимости в продакшене.
Главные отличия Holo3.1:
- улучшена работа в мобильных окружениях;
- добавлены меньшие модели на 0.8B, 4B и 9B параметров;
- сохранена крупная версия 35B-A3B для максимального качества;
- появилась поддержка function calling помимо структурированного JSON;
- выпущены квантованные чекпойнты для локального и edge-запуска;
- улучшена производительность внутри агентских harness-систем;
- добавлен фокус на приватный локальный запуск на Windows и Mac.
На AndroidWorld модель Holo3.1-35B-A3B выросла с 67% до 79.3%. Меньшие версии 4B и 9B поднялись с 58% до 72%. Для mobile automation это существенный скачок: мобильные интерфейсы обычно сложнее для таких агентов из-за плотной компоновки, нестандартных элементов, жестов и большей вариативности экранов.
Ещё одно важное изменение — работа с разными агентскими обвязками. Holo3 уже поддерживала структурированные JSON-ответы, но Holo3.1 добавляет нативную поддержку function-calling-протоколов. Это упрощает интеграцию в современные агентские системы, где модель не просто пишет текст, а вызывает функции: открыть страницу, сделать скриншот, нажать элемент, передать данные инструменту.
По данным H Company, в Holotab product harness новая версия даёт более чем 25% улучшение относительно Holo3. Holotab — это продуктовая среда H Company для работы агента в браузере, поэтому такой прирост показывает не только лабораторное улучшение, но и движение в сторону реальных пользовательских сценариев.
Новые размеры моделей
Holo3.1 выходит в четырёх размерах:
- Holo3.1-0.8B — сверхлёгкий вариант для локальных агентов;
- Holo3.1-4B — экономичный вариант для дешёвого внедрения;
- Holo3.1-9B — баланс между качеством и задержкой;
- Holo3.1-35B-A3B — флагманская версия для максимальной производительности.
Это правильный ход. В реальном мире не всем нужна самая большая модель. Если агент выполняет узкие повторяемые задачи — например, работает с одной внутренней системой, проверяет статусы, заполняет простые формы или помогает с операциями в знакомом интерфейсе — маленькая модель может быть выгоднее.
Большая модель полезна там, где интерфейсы сложные, сценарии нестандартные, а ошибка стоит дорого. Маленькая модель — там, где важны скорость, цена и локальный запуск.
Для разработчиков это означает, что Holo3.1 можно подбирать под задачу, а не использовать один тяжёлый вариант для всего. Это особенно важно для агентских систем, где один рабочий процесс может включать десятки шагов. Если каждый шаг занимает много секунд и требует дорогого облачного вызова, экономика быстро становится неприятной.
Быстрый и локальный запуск
Один из ключевых пунктов релиза — квантованные версии Holo3.1. Компания выпускает оптимизированные чекпойнты FP8, NVFP4 и Q4 GGUF.
Квантование — это способ уменьшить вычислительную стоимость модели. Условно говоря, модель хранит и обрабатывает числа в более компактном виде. За счёт этого она может работать быстрее, занимать меньше памяти и запускаться на более доступном железе. Иногда качество немного падает, но если квантование сделано хорошо, падение может быть небольшим.
В случае Holo3.1 H Company заявляет, что FP8 и NVFP4 показывают близкие результаты на OSWorld и уступают BF16 примерно на два пункта. BF16 — более «полный» формат, который обычно требует больше ресурсов. Для практического применения это хороший компромисс: небольшая потеря качества может окупаться заметным ростом скорости и снижением требований к железу.
Для NVFP4 использовалась оптимизация NVIDIA Model Optimizer в конфигурации W4A16. На DGX Spark формат NVFP4 W4A16 даёт 1.41x прирост token throughput относительно FP8 и 1.74x относительно BF16. Это уже не косметическое ускорение, а реальная разница для интерактивного агента.
Почему скорость так важна? Потому что computer-use-agent работает пошагово. Он видит экран, думает, выполняет действие, снова смотрит на результат, снова думает. Если каждый шаг занимает 7-10 секунд, пользоваться таким агентом тяжело. Если задержка снижается до нескольких секунд, сценарий становится гораздо ближе к нормальной работе.
H Company также пишет о примерно двукратном end-to-end ускорении на DGX Spark благодаря сочетанию NVFP4-квантования и оптимизаций агентской обвязки, разработанных вместе с NVIDIA. Среднее время шага сократилось с 6.8 до 3.3 секунды относительно FP8 baseline. Для агентов это особенно важно: пользователь ощущает не абстрактную скорость модели, а именно время между командой и следующим действием.
Локальные агенты на Mac и Windows
Отдельный акцент релиза — локальный запуск. H Company описывает сценарий, где сам агент работает на Windows или Mac, а модель может запускаться либо на той же машине, либо на DGX Spark в той же локальной сети.
Главная мысль: выполнение остаётся внутри сети пользователя. Это важно для компаний, которые не хотят отправлять скриншоты интерфейсов, внутренние документы, клиентские данные или операционные действия во внешний облачный API.
Для обычного пользователя это тоже интересно. Локальный агент потенциально может работать с личными приложениями, файлами и браузером без постоянной зависимости от внешнего сервиса. Пока это не значит, что любой ноутбук легко потянет флагманскую 35B-модель, но появление Q4 GGUF и малых вариантов 0.8B, 4B и 9B делает направление более практичным.
Формат GGUF особенно важен для локального сообщества: он широко используется в локальных LLM-инструментах и удобен для запуска на пользовательском железе. Если Holo3.1 действительно будет хорошо работать в таком формате, это открывает путь к экспериментам с приватными агентами на домашнем или офисном компьютере.
Для кого этот релиз
Holo3.1 интересна нескольким группам.
Разработчикам агентских систем. Если вы строите агента, который должен управлять интерфейсом, новая версия даёт больше вариантов интеграции: function calling, JSON-вывод, разные размеры моделей, разные форматы инференса.
Компаниям с внутренними инструментами. Многие бизнес-процессы до сих пор завязаны на ручную работу в интерфейсах: админки, CRM, ERP, панели заказов, отчёты, формы. Агент, который может работать с такими системами, потенциально снижает ручную нагрузку без полной переработки старого софта.
Командам, которым важна приватность. Локальный запуск — это не просто техническая игрушка. Для юридических, финансовых, медицинских, промышленных и корпоративных сценариев вопрос «куда уходят данные с экрана» критичен.
Исследователям и энтузиастам локального AI. Малые модели и GGUF-чекпойнты дают возможность экспериментировать с computer-use-агентами не только через закрытые API.
Производителям AI-продуктов. Holo3.1 показывает, куда движется рынок: не просто чат, а модели, встроенные в рабочую среду и способные выполнять действия.
Ограничения и трезвый взгляд
Несмотря на сильный релиз, Holo3.1 не стоит воспринимать как готового «робота для всего». Computer-use-агенты остаются сложной областью. Даже хорошая модель может ошибиться: нажать не туда, неправильно понять контекст, не заметить модальное окно, зациклиться на шаге или выполнить действие, которое требует подтверждения человеком.
Поэтому такие агенты лучше внедрять постепенно. Хорошие первые сценарии — повторяемые задачи с низким риском: сбор информации, навигация по интерфейсу, подготовка черновиков, проверка статусов, заполнение форм под контролем человека. Плохой первый сценарий — полностью автономные действия с деньгами, юридическими последствиями или доступом к чувствительным данным без валидации.
Также важно понимать, что локальный запуск не равен автоматической безопасности. Если агент имеет доступ к рабочему столу, файлам и браузеру, его нужно ограничивать: песочницы, allowlist приложений, журналирование действий, подтверждения для опасных операций, запрет на работу с лишними данными.
Как попробовать
Есть два основных пути.
Первый — Holo Models API от H Company. Это самый простой вариант для разработчиков, которым нужен доступ к модели без разворачивания собственной инфраструктуры. Такой подход удобен для прототипов, тестов и интеграций, где важна скорость запуска.
Второй — коллекция Holo3.1 на Hugging Face. Там доступны модели семейства Holo3.1, включая разные размеры и оптимизированные чекпойнты. Этот путь больше подходит тем, кто хочет экспериментировать с локальным или edge-инференсом, сравнивать форматы, запускать модели в собственной среде и интегрировать их в свои агентские фреймворки.
Что можно попробовать на практике:
- собрать простого агента для браузерной задачи;
- проверить работу на внутренней админке или тестовом сайте;
- сравнить 4B, 9B и 35B-A3B по скорости и качеству;
- протестировать Q4 GGUF для локального запуска;
- оценить FP8 или NVFP4, если есть подходящее NVIDIA-железо;
- проверить, как function calling работает в вашей агентской обвязке.
Если нужен доступ к платным AI-сервисам или подпискам для экспериментов, иногда их можно найти через plati.market, но к самому релизу Holo3.1 это не относится напрямую: официальные точки входа — Holo Models API и Hugging Face.
Итог
Holo3.1 — не просто минорное обновление модели. Это шаг к более практичным computer-use-агентам: быстрее, гибче, ближе к локальному запуску и лучше адаптированным к реальным интерфейсам.
Главные новости релиза — рост качества на мобильных задачах, поддержка function calling, новые размеры моделей и квантованные чекпойнты FP8, NVFP4 и Q4 GGUF. Особенно важен локальный вектор: если агенты смогут стабильно работать на компьютере пользователя или внутри корпоративной сети, это резко расширит область применения.
Пока такие системы всё ещё требуют аккуратного внедрения и контроля, но направление понятно: ИИ постепенно переходит от ответов в чате к действиям в интерфейсе. Holo3.1 — один из заметных релизов в этой гонке.