Holo4 يقدم نماذج وكيلية عامة للاستخدام الحاسوبي
أعلنت شركة H عن إطلاق سلسلة نماذج Holo4 الجديدة المصممة لتشغيل وكلاء كمبيوتر عاميين قادرين على التفاعل مع البرمجيات عبر مجموعة واسعة من الواجهات بما في ذلك النوافذ الرسومية والكود البرمجي وبروتوكولات MCP وواجهات برمجة التطبيقات. تأتي السلسلة بحجمين رئيسيين أحدهما كثيف يتألف من 27 مليار معامل والآخر عبارة عن مزيج من الخبراء يتكون من 35 مليار معامل مع 3 مليارات فعالة مع توفر كلا الإصدارين عبر واجهة H Models API. وتم توحيد النموذج عبر جميع المنصات بما فيها أنظمة سطح المكتب والمتصفحات وأجهزة أندرويد والبيئات السحابية مما يلغي الحاجة إلى تشغيل نماذج مختلفة لكل بيئة عمل. تم تدريب نماذج Holo4 باستخدام أساليب التعلم الخاضع للإشراف والمعزز على مجموعة ضخمة من البيئات والمهام حيث أنتج المصنع الداخلي الخاص بالشركة نحو عشرة آلاف مهمة تغطي تطبيقات الويب والخوادم الوكيلية والبيئات المكتبية الهجينة. ركز المطورون على تحسين الأداء في سير العمل التجاري الحقيقي بدلاً من الاعتماد فقط على الاختبارات الأكاديمية مما نتج عنه نموذج قادر على تنفيذ مهام معقدة مثل النمذجة ثلاثية الأبعاد في FreeCAD وتطوير ألعاب تفاعلية في Godot بمرونة عالية وتقليل عدد مكالمات النموذج واستهلاك الرموز مقارنة بالنماذج الأساسية. سجلت النماذج أداءً تنافسياً قوياً على المعايير الأكاديمية حيث حقق نموذج Holo4 بسعة 27 مليار معامل نسبة 61.7 في المئة على منصة OSWorld 2.0 مقابل 30.9 في المئة للإصدار الذي يستخدم تقنية MoE ليتفوق بشكل ملحوظ على النموذج الأساسي Qwen ويقترب من أداء أحدث النماذج المغلقة المتقدمة مع تقليل عدد المعاملات وتكاليف التشغيل بأضعاف متعددة. وفي إطار الشفافية أعلنت الشركة عن نشر كافة مسارات التدريب على المنصات المفتوحة ومواقع مشاركة الأوزان بأشكال متعددة تشمل BF16 وFP8 وNVFP4 وGGUF. بالتزامن مع ذلك أصدرت الشركة طراز Holotron4 Nano وهو نموذج وكيل عامي مبني على بنية Nemotron 3 Nano Omni من NVIDIA وخاضع لبروتوكولات التدريب اللاحق المطورة لتحسين التكيف مع واجهات المستخدم والبيئات الوكيلية المعقدة. ومن المتوقع طرح نسخ محسنة لأداء الاستدعاء باستخدام تقنية DSpark drafter خلال الأيام المقبلة. يُعد إطلاق هذه السلسلة خطوة عملية نحو أتمتة المهام الرقمية المتعددة الواجهات حيث يوفر للشركات حلاً موحداً منخفض التكلفة وعالي الكفاءة لتحسين سير العمل المؤسسي وتوسيع نطاق وكلاء الذكاء الاصطناعي التوليدي في بيئات الإنتاج الحقيقية.
