/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
70,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.5-35B-A3B
Библиотека
transformers
Опубликована
23 мар 2026

Holo3-35B-A3B

Изображение и текст → текст3 профессии

Мультимодальная модель H Company для анализа интерфейсов и управления веб-, настольными и мобильными приложениями в сценариях компьютерного агента.

450скачиваний за 30 дней375лайковвеса обновлены2 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Holo3-35B-A3B — мультимодальная модель типа Vision-Language Model, разработанная H Company для GUI-агентов. Она анализирует визуальные интерфейсы веб-сайтов, настольных и мобильных приложений, рассуждает над содержимым и помогает выполнять точные действия в цифровых средах, включая многошаговые бизнес-сценарии.

Модель дообучена на Qwen/Qwen3.5-35B-A3B и использует разреженную архитектуру Mixture-of-Experts с 35 млрд общих и 3 млрд активных параметров. Принимает текст и изображения интерфейсов, выдаёт текстовые ответы и действия для компьютерного агента. В карточке заявлены результаты на бенчмарках OSWorld-Verified, ScreenSpot-Pro и OSWorld-G; заявленный результат OSWorld-Verified — 77,8%. Модель поддерживает английский язык. Лицензия — Apache 2.0.

Сценарии применения

  • навигация по сайтам и выполнение задач в браузере
  • автоматизация действий в настольных приложениях
  • управление мобильными интерфейсами по скриншотам
  • поиск и локализация кнопок, полей и других элементов интерфейса
  • выполнение многошаговых задач в бизнес-приложениях

Ограничения

Показатели качества приведены разработчиком для бенчмарков и не гарантируют аналогичных результатов в произвольных приложениях. Карточка не приводит длину контекста или подробные сведения о поддержке языков помимо английского.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Holo3: Foundational Models for Navigation and Computer Use Agents

Model Description

Holo3 is our latest generation of large-scale Vision-Language Models (VLMs) specifically optimized for GUI Agents. Like its predecessors, it operates across diverse digital environments—web, desktop, and mobile—by interpreting visual interfaces, reasoning over complex content, and executing precise actions.

Holo3 achieves state-of-the-art performance on OSWorld-Verified, setting a new benchmark for computer use agents. While it retains the world-class web navigation capabilities of Holo2, the new Holo3-35B-A3B architecture is designed to thrive in realistic business environments.

  • Developed by: H Company
  • Model type: Vision-Language Model for Navigation and Computer Use Agents
  • Architecture: Sparse Mixture-of-Experts (MoE) with 35B total / 3B active parameters
  • Fine-tuned from model: Qwen/Qwen3.5-35B-A3B
  • Blog Post: hcompany.ai/holo3
  • Quickstart: hub.hcompany.ai/quickstart
  • License: Apache 2.0 License


Get Started

Explore our Quickstart guide to learn how to integrate with our inference API.


Training Strategy

Holo3-35B-A3B is based on the Qwen3.5 architecture and has been reinforced to strengthen its core agentic pillars: perception and decision-making. The training pipeline utilizes a carefully curated mix of open-source datasets, large-scale synthetic trajectories, and high-quality human-annotated samples to ensure reliable multi-step reasoning.


Results

State-of-the-Art Navigation (OSWorld-Verified)

To benchmark Holo3 on computer use and web navigation, we utilized the OSWorld and WebArena benchmarks. Holo3-35B-A3B achieves a 77.8% score on OSWorld-Verified. Remarkably, it achieves this with only 3B active parameters, providing SOTA performance at a fraction of the inference cost of leading proprietary models.

Enterprise Readiness (H Corporate Benchmark)

To measure real-world utility, we developed the H Corporate Benchmark: a dedicated evaluation suite of 486 multi-step tasks across four categories: E-commerce, Business Software, Collaboration, and Multi-App workflows. Holo3 consistently outperforms significantly larger competitors in these dense, business-logic environments.

UI Localization & Grounding

A world-class agent must see before it can act. Holo3 excels at localizing interaction elements and understanding their functions, as evidenced by top-tier performance on ScreenSpot-Pro and OSWorld-G.

Table 1: Evaluation results on computer use and grounding benchmarks.


Citation

@misc{hai2025holo3modelfamily,
      title={Holo3 - Open Foundation Models for Navigation and Computer Use Agents},
      author={H Company},
      year={2026},
      url={https://huggingface.co/Hcompany/Holo3-35B-A3B},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
208d5ae

0 моделей