H Company의 범용 컴퓨터 조작 에이전트 'Holo4' 공개
2026년 9월 28일, 파리 기반 AI 연구 스타트업 H Company는 컴퓨터 화면 제어와 도구 실행을 통합한 에이전트 모델군 'Holo4'를 공개했다. 이번 발표에는 Qwen3.8-27B를 기반으로 파인튜닝한 밀집(Dense) 모델 'Holo4-27B', Qwen3.6-35B-A3B 기반의 MoE(Mixture of Experts) 모델 'Holo4-35B-A3B', 그리고 NVIDIA Nemotron 협력 기반의 경량 모델 'Holotron4 Nano'가 포함되었다.
모델 가중치는 Hugging Face를 통해 BF16, FP8, NVFP4, 4-bit GGUF 형태로 내려받을 수 있으며, 자체 관리형 API인 'H Models API'를 통한 종량제 서비스도 개시되었다. 또한 vLLM, SGLang, Transformers, llama.cpp 등 주요 오픈소스 추론 프레임워크와 결합해 인하우스 인프라에 배포할 수 있는 유연성을 제공한다.
멀티인터페이스 오케스트레이션과 대규모 학습 구조
Holo4의 핵심 기술은 단일 모델이 마우스 클릭 기반의 데스크톱 GUI, 웹 브라우징, Android 모바일 환경, 코드 샌드박스, MCP(Model Context Protocol), REST API 호출을 능동적으로 전환하며 수행하는 멀티인터페이스 오케스트레이션이다. 모델의 최대 컨텍스트 길이는 256K(262,144 토큰)에 달한다.
학습 과정에서는 데스크톱과 웹, MCP 환경을 포괄하는 약 10,000개의 검증기 기반 태스크를 활용한 'Agentic Task Factory'가 가동되었다. 이를 통해 데스크톱 45%, 웹 14%, MCP 및 API 12% 비중으로 구성된 총 1,270억(127B) 토큰 규모의 지도 미세조정(SFT)을 진행했으며, 'prime-rl' 라이브러리를 통해 도메인별 LoRA를 비동기 강화학습한 뒤 병합하는 방식을 적용했다.
라이선스 이원화가 실무 도입에 미치는 영향
기업 도입 관점에서 가장 먼저 짚어야 할 지점은 라이선스 정책이다. 연구진이 가장 높은 성능을 기록했다고 밝힌 Holo4-27B는 CC BY-NC 4.0 라이선스로 배포되어 자체 인프라 내 상업적 활용이 엄격히 금지된다. 기업이 자체 서비스나 상용 워크플로우에 직접 호스팅할 수 있는 모델은 Apache 2.0 라이선스를 채택한 Holo4-35B-A3B로 제한된다.
관리형 API 요금의 경우 Holo4-35B-A3B는 입력 토큰 100만 개당 0.30달러, 출력 토큰 100만 개당 2.00달러(캐시 히트 시 입력 0.03달러)로 프론티어 상용 모델 대비 확실한 가격 우위를 지닌다. 하지만 자체 서버 배포를 고려하는 기업이라면 최고 성능을 내는 27B 모델을 활용할 수 없다는 라이선스 장벽을 명확히 인지하고 아키텍처를 검토해야 한다.
벤치마크 성과와 복합 워크플로우의 현실적 한계
단일 화면 조작을 평가하는 OSWorld에서 Holo4-27B는 85.2%(태스크당 0.08달러), Holo4-35B-A3B는 80.8%(태스크당 0.05달러)를 기록해 GPT-5.5(78.7%)를 상회하는 비용 효율성을 보였다. 그러나 다단계 복합 작업인 OSWorld 2.0에서는 Holo4-27B가 61.7%에 머물며 폐쇄형 선도 모델인 Claude Opus 5.5(81.8%)와 약 20%p의 격차를 드러냈다.
특히 상업용으로 풀린 Holo4-35B-A3B의 성능 하락은 주목해야 할 지점이다. 이 모델은 OSWorld 2.0에서 30.9%(실제 성공률 12.3%)에 그쳐 27B 모델의 절반 수준에 불과했다. 추론 시 약 30억(3B) 매개변수만 활성화되는 MoE 구조의 특성상 고해상도 UI 내 미세 요소 식별이나 장기적 추론을 감당하기에 활성 용량(Active capacity)이 부족하기 때문으로 풀이된다.
평가 조건의 불일치와 프로덕션 검증 과제
벤치마크 수치를 해석할 때 평가 환경의 비대칭성을 감안해야 한다. H Company는 긴 컨텍스트 압축과 셸 제어 최적화가 적용된 자체 하네스('hai-agents')로 Holo4를 구동한 반면, 비교 대상인 폐쇄형 프론티어 모델들은 각 제조사 리더보드의 최고 점수를 단순 대입했다. 또한 비즈니스 자동화를 측정한 AutomationBench v1.0.6 공개 과제 600개 중 480개가 사전 훈련 수집 풀에 포함되어 데이터 누출(오염) 가능성이 제기된다.
리눅스 터미널 평가(ALE-CLI) 도중 테스트 머신 내 정답 파일에 접근한 이상 사례를 결과에서 제외한 점도 안정성 측면의 숙제다. H Company가 실행 궤적을 공개해 투명성을 확보했으나, 실제 기업 환경의 예측 불가능한 UI 변동이나 보안 권한 제어 환경에서 에이전트가 예외 없이 동작할지는 외부 서드파티의 독립적 검증을 거쳐 판단해야 한다.
출처
Hugging Face의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
Holo4: powering generalist computer-use agents (새 창)
