资料修改2026-09尚无逐条事实核验记录；修改日期不代表已验证
本文仍包含未全面复核的历史资料；安装、许可、费用与当前权限请回到官方确认。查看已核信息范围
H Company（法国）
法国的一家计算机使用代理（computer-use agents）方向的公司：不做通用聊天模型，而是让模型直接操作电脑/浏览器完成任务。
这家公司在做什么
- 代理操作电脑：把自然语言任务翻译成"点哪个按钮、填哪个框、翻到哪一页"的实际操作序列。
- 公开产品线：Runner H（通用代理执行）、Surfer H（浏览器内代理）等方向（以官网当前产品为准）。
- 交付形态：面向企业自动化场景的专有交付，不是"下个模型就能用"。
模型演进（发布时间线）
| 时间 | 型号 / 动作 | 关键信息 |
|---|---|---|
| 2025-09-16 | Holo1.5 系列 |
开源视觉语言模型：专为操作电脑 UI 的智能体设计，多个跨平台基准刷新开源纪录（已在 Hugging Face 发布） |
| 2026-03-16 | Holotron-12B（联合 NVIDIA） |
开源多模态模型，定位"计算机使用" |
| 2026-04-01 | Holo3 系列 |
面向图形界面智能体优化；基于 Qwen3.5 架构，OSWorld-Verified 创行业最高分，跨网页 / 桌面 / 移动端执行操作 |
2025-09-16：Holo1.5 系列·开源视觉语言模型：专为操作电脑 UI 的智能体设计，多个跨平台基准刷新开源纪录（已在 Hugging Face 发布）
2026-03-16：Holotron-12B（联合 NVIDIA）·开源多模态模型，定位"计算机使用"
2026-04-01：Holo3 系列·面向图形界面智能体优化；基于 Qwen3.5 架构，OSWorld-Verified 创行业最高分，跨网页 / 桌面 / 移动端执行操作
口径：时间与型号取自官方发布与公开报道；这家是"小团队 + 开源权重"路线，与同赛道闭源代理产品不同。
民间梗与争议
没有产品先拿 2.2 亿美元，然后三位联创出走：估值先行、产品迟到、创始人先散——社区那句"先拿钱、后补产品"的原型。
展开背景
2024-05-21，成立仅几个月的 H（原名 Holistic AI）宣布 2.2 亿美元种子轮——种子轮常以千万美元计，TechCrunch 开头就写"这不常见"；据彭博此前的报道，投资人把承诺拆成两部分：约 40% 按传统股权投入、其余为可转债。创始人阵容是它的全部底气：CEO 查尔斯·坎托（斯坦福研究员）加四位前 DeepMind 成员。三个月后的 2024-08，五名联合创始人中的三位以"运营与业务分歧"为由集体离职——TechCrunch 的复盘是：产品还没出，"一声巨响"就变成了"一场洪水"。后续更冷：法国创投媒体 Maddyness 拿到的投资人沟通材料称，这批集体离职"动摇了公司"，投资人当时担心谁能替代"经验非常丰富"的 Daan Wierstra；离职者的去向也陆续公开——Karl Tuyls 2025 年初出任 Meta 巴黎的 AI 研究总监，Laurent Sifre 2026 年初加入微软巴黎的 AI 研究团队，据 Sifted 统计，成立两年内五位创始人已全部离场，接任研究负责人的 Pierre-Louis Cedoz 也已离开。产品线倒是没停：2024-11-20 Runner H 以 2B 参数的"紧凑"模型和 waitlist 首秀，此后 Surfer 2、Holo2、HoloTab、Holo3.1 按几乎每月一发的节奏推进——"先拿钱、后补产品"的原型，最终产品补上了，创始团队却换了一整轮。来源：TechCrunch：French AI startup H raises $220M seed round（2024-05-21） · TechCrunch：H launches Runner H（2024-11-20） · Maddyness：Un cofondateur de H rebondit chez Meta（2025-02-18） · Daily AI Brief（转述 Sifted）：H Company Cofounder Laurent Sifre Joins Microsoft AI Research Team（2026-09-08） · H Company 官方博客（产品时间线） · HN 讨论：Runner H 0.1 发布（2024-11-21，实测 1 分 0 评论）
CEO 换人：DeepMind 帮 → Palantir 帮：联合创始人接连离场，叙事从"研究"转向"交付"。
展开背景
2025-06-11，H 官网发布治理公告：联合创始人查尔斯·坎托与 Laurent Sifre 宣布由 Gautier Cloix 出任 CEO——官方比 Sifted 6 月 13 日的报道早两天，且把他的职责明确定位为"在产品成功发布之后，规模化商业运营（go-to-market）"；公告还写明坎托转为重要股东、Sifre 留任 CTO。这个措辞本身就是叙事转向的证据：从"研究优先"转向"交付优先"。换血也没有止步于 2025：Sifre 先卸任 CTO、转任非运营的科学委员会角色，2026 年初离开并加入微软巴黎的 AI 研究团队，接任研究负责人的 Pierre-Louis Cedoz 同样已离开——最初"DeepMind 五人组"的创始叙事在两年内彻底清空。同期公司保持低曝光：Runner H 在 2024-11 以 beta 上线后长期隐身，直到 2025-06-03 才放出系列 Agent 产品，Sifted 用的词是"神秘的（secretive）巴黎初创公司"。如今公司自述 75 人、巴黎/伦敦/纽约三地，官网把自己定位成面向"自主企业运营"的代理平台——社区对这条线的解读很直接：在长周期、重投入的 Agent 赛道，"豪华创始团队"不等于产品与商业化能力；换 CEO 被当作从研究转向交付的标志，而创始人全数离场说明这次转向的代价，是创始团队本身。来源：H Company 官方：Governance Update（2025-06-11） · Sifted：H Company CEO Charles Kantor replaced by former Palantir exec（2025-06-13） · Sifted：Secretive AI startup H Company releases series of new agents（2025-06-03） · Daily AI Brief（转述 Sifted）：Laurent Sifre Joins Microsoft AI Research Team（2026-09-08） · Welcome to the Jungle：H Company 公司页（75 人、三地，公司自述） · HN 讨论：Holo1.5（2025-09-15）
开源模型很能打，Hacker News 上只有 1 条评论：融资时全球刷屏，开源时几乎无人讨论——这个反差本身就是梗。
展开背景
与融资新闻的热度相反，H Company 的开源模型在英文社区一直声音不大。它把 Holo1、Holo1.5、Holo2 一串视觉语言模型放上 Hugging Face，定位为"电脑操作 Agent"（computer-use agent）的底座：专攻 UI 元素定位与界面问答，让 Agent 能可靠地点按、输入、跳转，官方称 7B 与 72B 两档在 Screenspot、GroundUI-Web 一类基准上平均提升约 4.5%。2025-09-15，团队以"Holo1.5 发布"在 Hacker News 发帖，并写明"我们是欧洲团队，欢迎提问（AMA）"，最终只拿到 7 分、1 条评论——而且那唯一一条评论就是发帖人自己的 AMA 开场白，等于没人接话。到 2026 年，模型本身反而更能打了：第三方汇总的 OSWorld-Verified 榜单里，两个 Holo3 版本分别拿到 78.8% 与 77.8%，都在 72.4% 的人类基线之上，开源版（35B-A3B，Apache 2.0）与闭源旗舰（122B-A10B，仅 API）双轨并行；中文社区也给了它一轮集中报道，标题直接写"用十分之一成本超越 GPT-5.4"。产品化还在往本地走：2026-06 的 Holo3.1 首次放出 FP8、Q4 GGUF、NVFP4 量化权重，官方说法是让执行"完全留在用户自己的网络里"。融资时全球刷屏，开源时几乎无人讨论，这个反差至今没被打破。来源：Hugging Face：Hcompany/Holo1.5-7B（官方模型页） · HN 讨论：Holo1.5（2025-09-15，7 分 1 评论） · 知乎：Holo3——用十分之一成本超越 GPT-5.4 的计算机使用 AI 模型（2026-04-02） · H Company 官方：Holo3.1（2026-06-01） · Agent Market Cap：GPT-5.4 Breaks OSWorld Human Baseline（2026-07-13，第三方汇总） · Sifted：H Company releases series of new agents（2025-06-03）
说明：以上为公开报道与社区讨论，非官方定论。
能不能本地跑
对个人不能。
| 判断项 | 结论 |
|---|---|
| 权重是否公开 | 否（技术报告/研究性发布除外） |
| 自助 API | 有产品化入口，能力与额度以官网为准 |
| 数据去向 | 云端代理执行，涉及屏幕/网页内容上传 |
| 个人可用性 | 可以试产品，但不能自部署 |
权重是否公开：否（技术报告/研究性发布除外）
自助 API：有产品化入口，能力与额度以官网为准
数据去向：云端代理执行，涉及屏幕/网页内容上传
个人可用性：可以试产品，但不能自部署
⚠️ 避坑：代理类产品落地依赖具体流程适配——别指望开箱即用；涉及内部系统的操作，先想清楚权限与审计边界。
这条赛道要理解什么
"计算机使用代理"和普通对话模型的差别：
| 对话模型 | 计算机代理 | |
|---|---|---|
| 输入 | 文本 | 截图/页面结构 + 任务描述 |
| 输出 | 文本 | 鼠标键盘动作序列 |
| 失败代价 | 答错话 | 误操作真实系统（点错按钮、提交错表单） |
| 落地难点 | 提示词 | 流程边界、权限、回放与审计 |
输入：文本·截图/页面结构 + 任务描述
输出：文本·鼠标键盘动作序列
失败代价：答错话·误操作真实系统（点错按钮、提交错表单）
落地难点：提示词·流程边界、权限、回放与审计
代理执行的动作闭环
对话模型一次只回一段文本；代理要跑完一整个动作闭环：
| 步骤 | 在做什么 | 容易出问题的地方 |
|---|---|---|
| 看屏幕 | 读取截图 / 页面结构，理解界面当前状态 | 元素识别错位 |
| 决策 | 判断下一步该点哪里、填什么 | 目标拆解偏差 |
| 执行动作 | 鼠标点击、键盘输入、滚动与切换 | 动作落到错误的控件上 |
| 验证结果 | 确认上一步是否真的生效 | 界面异步渲染导致误判 |
| 重试 / 回滚 | 失败时换路径或撤销 | 缺少回滚设计，错误被放大 |
看屏幕：读取截图 / 页面结构，理解界面当前状态·元素识别错位
决策：判断下一步该点哪里、填什么·目标拆解偏差
执行动作：鼠标点击、键盘输入、滚动与切换·动作落到错误的控件上
验证结果：确认上一步是否真的生效·界面异步渲染导致误判
重试 / 回滚：失败时换路径或撤销·缺少回滚设计，错误被放大
口径：这条闭环里，"决策"只占一环——验证与重试才决定它能不能用在真实流程上。
常见误解
- "发布了研究性权重 = 能自建同样的代理"：模型只是闭环里的"决策"一环，还差执行框架、权限、回放与兜底。
- "computer use = 浏览器自动化"：覆盖面不止浏览器——截图与页面结构只是当前最成熟的输入形态。
- "基准分高 = 你的流程能跑"：基准是通用任务的成绩，流程适配才是落地的成败点。
站内同类怎么选
| 你的场景 | 先看谁 |
|---|---|
| 想马上上手、可跑的操作型代理 | OpenCode（终端）、Cline、Aider |
| 想学通用 Agent 的方法论 | Manus / Monica 档案 |
| 想要自主软件工程代理 | Cognition（Devin）档案 |
| 关注背后的模型能力 | 阿里云 Qwen 档案 |
想马上上手、可跑的操作型代理：OpenCode（终端）、Cline、Aider
想学通用 Agent 的方法论：Manus / Monica 档案
想要自主软件工程代理：Cognition（Devin）档案
关注背后的模型能力：阿里云 Qwen 档案
口径：本家的产品是"代理直接操作图形界面"，站内这几个是"代理在终端 / 编辑器里干活"——入口不同，闭环是一样的。
想自己试这条路线
- 站内可直接上手的代理：OpenCode（终端）、Cline（VS Code 内自主代理）、Aider（结对编程）。
- 想接本地模型跑代理：见 LLM 本地部署 与 Ollama vs LM Studio。
想自建要凑哪几块
自建一个"能操作界面"的代理，至少需要五块，缺一块就会卡在演示阶段：
- 能看截图的视觉语言模型——闭环里的"看屏幕"与"决策"。
- 执行与重试框架——把决策翻译成真实动作，并处理失败重试。
- 权限最小化——只给它完成任务必需的那几个操作权限。
- 操作回放与审计——每一步动作都要可回溯，出问题能定位。
- 人工确认闸门——高风险动作（提交、支付、删除）停下来等人确认。
涉及真实系统的安全边界
| 建议 | 说明 |
|---|---|
| 先用只读环境试 | 让它先跑"只看不动"的任务，观察识别与决策质量 |
| 限定操作白名单 | 明确哪些按钮、哪些页面允许它动 |
| 保留完整操作日志 | 屏幕内容与动作序列都留痕，便于复盘 |
| 高风险动作走人工确认 | 涉及金额、删除、对外发布的动作一律加闸门 |
先用只读环境试：让它先跑"只看不动"的任务，观察识别与决策质量
限定操作白名单：明确哪些按钮、哪些页面允许它动
保留完整操作日志：屏幕内容与动作序列都留痕，便于复盘
高风险动作走人工确认：涉及金额、删除、对外发布的动作一律加闸门
⚠️ 避坑：代理类产品的风险不在"答错"，而在在真实系统里做错——先想清楚权限与审计边界，再谈自动化率。
官方入口
- 官网：
hcompany.ai（产品与可用性以官网当前说明为准）
串联
- 同类（代理方向）厂商与工具 → 闭源厂商地图
- 站内可直接上手的代理 → OpenCode、Cline、Aider
- 通用 Agent 与自主软件工程代理 → Manus、Cognition（Devin）
- 自建路线的取舍 → 本地跑 vs 走 API