H Company เปิดตัว Holo4 โมเดล AI ควบคุมคอมพิวเตอร์
H Company เปิดตัว Holo4 โมเดล AI วิสัยทัศน์ภาษาสำหรับควบคุมคอมพิวเตอร์ รองรับเดสก์ท็อป เว็บ แอนดรอยด์ และ API ทำคะแนนบน OSWorld สูง 85.2%
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- H Company เปิดตัว Holo4 โมเดล AI สำหรับควบคุมคอมพิวเตอร์และมือถือ
- รุ่น Holo4 35B-A3B เปิดให้ใช้งานแบบโอเพนเวทส์ใต้สัญญา Apache 2.0
- รุ่น Holo4 27B ทำคะแนนบน OSWorld สูงถึง 85.2% ด้วยต้นทุนเพียง $0.08 ต่อภารกิจ
- รองรับการทำงานบนเดสก์ท็อป เว็บ แอนดรอยด์ และ API แบบเข้ากันได้กับ OpenAI
H Company ได้ประกาศเปิดตัว Holo4 โมเดลวิสัยทัศน์ภาษา (Vision-Language Model) รุ่นใหม่ล่าสุด ซึ่งถูกออกแบบมาเพื่อการใช้งานคอมพิวเตอร์โดยเฉพาะ โดยโมเดลนี้สามารถดำเนินการคลิกพิมพ์โค้ด และเรียกใช้เครื่องมือต่างๆ ข้ามแพลตฟอร์มได้อย่างครอบคลุมไม่ว่าจะเป็นเดสก์ท็อป เว็บ แอนดรอยด์ แซนด์บ็อกซ์โค้ด และ API ทางธุรกิจ โดยใช้โมเดลเดียวกันและวิธีการเรียกใช้งานรูปแบบเดียวกันในทุกแพลตฟอร์ม
ในด้านการเผยแพร่โมเดล Holo4 35B-A3B ซึ่งสร้างขึ้นบนพื้นฐานของ Qwen3.6-35B-A3B ได้เปิดให้ใช้งานน้ำหนักแบบโอเพนเวทส์ภายใต้สัญญา Apache 2.0 สำหรับการโฮสต์เองในเชิงพาณิชย์ ในขณะที่รุ่น Holo4 27B ซึ่งปรับแต่งต่อจาก Qwen3.8-27B จะใช้งานในเชิงพาณิชย์ผ่านทาง H Models API เนื่องจากใช้สัญญาอนุญาตแบบ CC BY-NC 4.0
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ทางบริษัทได้ระบุถึงช่องว่างที่สำคัญในวงการเอเจนต์ว่า เอเจนต์ที่ทำงานผ่าน GUI มักจะล้มเหลวเมื่อไม่มีหน้าจอ ในขณะที่เอเจนต์ที่เรียกใช้เครื่องมือจะหยุดชะงักเมื่อแอปพลิเคชันไม่มี API รองรับ การพัฒนา Holo4 จึงเข้ามาช่วยเชื่อมช่องว่างเหล่านี้ผ่านชุดเครื่องมือเปิด hai-agents ซึ่งทำหน้าที่ส่งภาพหน้าจอและผลลัพธ์ของเครื่องมือไปยังโมเดลเพื่อดำเนินการตามคำสั่ง
จากการทดสอบตามตารางเกณฑ์มาตรฐานของ H Company พบว่า Holo4 27B ทำคะแนนบน OSWorld ได้ 85.2% ที่ต้นทุน $0.08 ต่อภารกิจ เหนือกว่ารุ่นฐาน Qwen3.8 27B ที่ทำได้ 84.3% ที่ต้นทุน $0.22 นอกจากนี้ บนแพลตฟอร์ม AndroidWorld ตัวโมเดลยังทำคะแนนได้ถึง 85.1% รวมถึงการเปิดตัว Holotron4 Nano ที่สร้างร่วมกับ NVIDIA Nemotron 3 Nano Omni ซึ่งช่วยยกระดับคะแนนบน OSWorld จาก 21.0% สู่ 76.3%
การเปิดตัว Holo4 สะท้อนให้เห็นถึงความพยายามของอุตสาหกรรม AI ในการสร้าง General-purpose Computer-Use Agent ที่มีความยืดหยุ่นสูงขึ้น การที่ H Company เลือกใช้วิธีการฝึกฝนแบบผสมผสานทั้ง Agentic Task Factory ขนาด 10,000 งาน ชุดข้อมูล Supervised fine-tuning กว่า 127 พันล้านโทเค็น และการฝึก RL แบบ asynchronous online เพื่อรวมผู้เชี่ยวชาญ LoRA เข้าด้วยกัน แสดงให้เห็นถึงแนวทางทางวิศวกรรมที่ซับซ้อนในการลดช่องว่างระหว่างงานทดลองและเวิร์กโฟลว์การทำงานจริงที่ซับซ้อนหลายขั้นตอน
สำหรับโครงสร้างพื้นฐานเบื้องหลังการพัฒนา H Company ได้สร้าง Agent Loop ขึ้นใหม่โดยอ้างอิงจากการวิเคราะห์ความล้มเหลวของ OSWorld 2.0 เน้นการพัฒนาหน่วยความจำที่เชื่อถือได้ตลอดหลายร้อยขั้นตอน และการเพิ่มระบบ Shell บนเครื่องเดสก์ท็อป พร้อมทั้งเปิดให้บริการ API ที่เข้ากันได้กับ OpenAI ที่ endpoint https://api.hcompany.ai/v1 ในราคาอินพุต $0.40 และเอาต์พุต $3.00 ต่อ 1 ล้านโทเค็นสำหรับรุ่น 27B
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น