Hugging Face Blog公式発表·2026年2月4日 02:40·約2分

H社の新Holo2モデルがUIローカライゼーションで先行

#UI Localization #Vision-Language Model #Agentic AI #GUI Grounding #Hugging Face

整理・翻訳:ainew.jp 編集システムAIによる自動処理作り方と限界

本文の状態

日本語全文を表示中

詳細モードで約2分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

Hugging Face Blog

まず要点

H社が新たに発表したHolo2モデルは、ユーザーインターフェースのローカライゼーション分野でリードする技術を提供する。

Source Article

元記事を日本語で読む

本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。

記事に戻る H Companyの新Holo2モデル、UIローカライゼーションで先導

Upvote 5

最初のHolo2モデル群をリリースしてから2カ月、H Companyは当社最大のUIローカライゼーションモデルとなるHolo2-235B-A22B Previewを発表しました。このモデルは、ScreenSpot-Proで78.5%、OSWorld Gで79.0%という新たなState-of-the-Art (SOTA) 記録を達成しています。

Hugging Faceで利用可能なHolo2-235B-A22B Previewは、UI要素のローカライゼーションに特化した研究用リリースです。

エージェント型ローカライゼーション

高解像度の4Kインターフェースは、ローカライゼーションモデルにとって課題となります。大きなディスプレイ上では、小さなUI要素を正確に特定するのが困難な場合があります。しかし、エージェント型ローカライゼーションにより、Holo2は予測を反復的に改善し、各ステップで精度を高めることができます。これにより、すべてのHolo2モデルサイズで10〜20%の相対的な性能向上を実現しています。

ScreenSpot-ProにおけるHolo2-235B-A22Bの性能

Holo2-235B-A22B Previewは、単一ステップでScreenSpot-Proにおいて70.6%の精度を達成します。エージェントモードでは、3ステップ以内に78.5%を達成し、最も困難なGUIグラウンディングベンチマークにおいて新たなState-of-the-Artを樹立しました。

SkyPilotによるトレーニング

Holo2モデルを大規模にトレーニングするには、複数のクラウドプロバイダーにわたるワークロードの調整が必要です。H Companyは、Kubernetes (k8s) を利用したクラスター上でトレーニングジョブを起動するための統一インターフェースとしてSkyPilotを採用しています。インフラストラクチャの複雑さを抽象化することで、SkyPilotは研究者がk8sマニフェストの管理や個別のデプロイスクリプトのメンテナンスではなく、モデル開発に集中することを可能にします。

原文を表示

Back to Articles H Company's new Holo2 model takes the lead in UI Localization

Upvote 5

Two months since releasing our first batch of Holo2 models, H Company is back with our largest UI localization model yet: Holo2-235B-A22B Preview. This model achieves a new State-of-the-Art (SOTA) record of 78.5% on Screenspot-Pro and 79.0% on OSWorld G.

Available on Hugging Face, Holo2-235B-A22B Preview is a research release focused on UI element localization.

Agentic Localization

High-resolution 4K interfaces are challenging for localization models. Small UI elements can be difficult to pinpoint on a large display. With agentic localization, however, Holo2 can iteratively refine its predictions, improving accuracy with each step and unlocking 10-20% relative gains across all Holo2 model sizes.

Holo2-235B-A22B's Performance on ScreenSpot-Pro

Holo2-235B-A22B Preview reaches 70.6% accuracy on ScreenSpot-Pro in a single step. In agent mode, it achieves 78.5% within 3 steps, setting a new state-of-the-art on the most challenging GUI grounding benchmark.

Trained with SkyPilot

Training Holo2 models at scale requires coordinating workloads across multiple cloud providers. H Company uses SkyPilot as a unified interface for launching training jobs on our clusters with Kubernetes (k8s). By abstracting away infrastructure complexity, SkyPilot lets researchers focus on model development instead of managing k8s manifests or maintaining separate deployment scripts.