Holo3：コンピュータ利用の新たなフロンティアを切り拓く

記事に戻る Holo3: コンピュータ利用のフロンティアを切り拓く Upvote - ![](/avatars/468240b9f7a45864cf1fa90aa4c445d7.svg) Ramzi De Coster ramzidecoster Follow ![](https://cdn-avatars.huggingface.co/v1/production/uploads/677d3f355f847864bb644112/OQyAJ33sssiTDIQEQ7oH_.png) Hcompany ![](/avatars/c3988435f58abccd0950f50f6ef4a2e4.svg) Pierre-Louis Cedoz plcedoz38 Follow ![](https://cdn-avatars.huggingface.co/v1/production/uploads/677d3f355f847864bb644112/OQyAJ33sssiTDIQEQ7oH_.png) Hcompany ![](https://cdn-uploads.huggingface.co/production/uploads/698224a939bac08a1b6e0488/KOOvyPp6fsa2E-S9C80lv.png) 私たちは、自律型エンタープライズ（Autonomous Enterprise）へのビジョンの最新進化形であるHolo3を発表できることを誇りに思います。OSWorld-Verifiedベンチマークで78.85%のスコアを達成したHolo3-122B-A10Bは、主要なデスクトップコンピュータ利用ベンチマークにおいて、業界の新たな最高性能（state of the art）を確立しました。 Holo3は単なるベンチマークリーダーではありません。本番環境での使用を想定して設計されています。私たちのエージェント型フライホイール（agentic flywheel）を用いて構築され、合成された企業環境内で現実世界のワークフローを実行するように訓練されています。これにより、Holo3が現在のビジネスシナリオで優れた性能を発揮するだけでなく、私たちのエージェントが事実上あらゆるデジタル環境を自律的に操作できる未来の基盤を築きます。 何より、Holo3はアクティブパラメータ（active parameters）わずか100億（総パラメータ1220億）でこれを達成しています。つまり、GPT 5.4やOpus 4.6のような大規模な独自モデルに比べてはるかに低コストです。すべてのモデルは私たちの推論API（Inference API）を通じて利用可能です。Holo3-35B-A3Bの重み（weights）はApache2ライセンスの下でHugging Faceで公開されており、無料枠（free tier）で私たちの推論APIから自由にアクセスできます。 エージェント型学習フライホイール（Agentic Learning Flywheel） Holo3を際立たせているのは、その専門的なトレーニングパイプラインです。これは、2つの核心的なエージェント機能（agentic pillars）である知覚（perception）と意思決定（decision-making）を研ぎ澄ますために設計された、継続的なフィードバックループです。 私たちのトレーニングフライホイールは、注釈付きの例からモデルに特定のタスクを実行する方法を教えながら、事実上無限の種類のユーザーインターフェースにわたって汎用的なスキルを育成することです。これが、世界クラスのコンピュータ利用モデルを構築する方法です： 合成ナビゲーションデータ（Synthetic Navigation Data）: 人間による指示と生成された指示を用いて、シナリオ固有のナビゲーション例を生成します。 ドメイン外拡張（Out-of-Domain Augmentation）: プログラム的にシナリオを拡張し、データを増強して、Holo3が予期しない事態に対処できるようにします。 厳選された強化学習（Curated Reinforcement Learning）: すべてのデータサンプルは注意深く選別され、高度なデータフィルタリングと強化学習（reinforcement learning）を活用するパイプラインを通じて取り込まれ、性能を最大化します。 生のスコアを超えて、OSWorldの結果は私たちの学習フライホイールの決定的な概念実証（proof-of-concept）として機能します。その現実世界のビジネスアプリケーションへの転移性（transferability）を検証するために、私たちは合成環境ファクトリー（Synthetic Environment Factory）を作成しました。 合成環境ファクトリー（Synthetic Environment Factory）とH Corporateベンチマーク この独自のファクトリーは企業システムの現実を再現し、Holo3が鍛えられたトレーニング環境の一つです。私たちの環境は、シナリオ仕様に基づいて一からウェブサイトをプログラムするコーディングエージェント（coding agents）を使用して自動的に構築され、検証スクリプトでエンドツーエンドで検証される様々な難易度の検証可能なタスクを生成します。 現実世界での実用性を測定するために、私たちはH Corporateベンチマーク（H Corporate Benchmarks）も設計しました。これは、Eコマース（E-commerce）、ビジネスソフトウェア（Business software）、コラボレーション（Collaboration）、様々なマルチアプリ設定（Multi-App setups）の4つのカテゴリーにわたる486の多段階現実的タスクからなる専用評価スイートです。 このベンチマークは複雑さの全範囲を網羅しています：焦点を絞った単一アプリケーションタスクから、実際の作業の進め方を反映した長期的なマルチアプリケーションのワークフローまでです。難易度の高い側（マルチアプリ）では、タスクはエージェントが複数のシステム間で同時に情報を調整することを要求します。例えば、PDFから機器の価格を取得し、各従業員の残予算と照合し、各個人にパーソナライズされた承認または却下のメールを自律的に送信するといったことです。この種のタスクは、正確な計算と文書解析（document parsing）だけでなく、状態や意図を失うことなくアプリケーション間で持続的な多段階推論（multi-step reasoning）を要求します。 Holo3のトレーニングのために作成された合成環境の例 ![](https://cdn-uploads.huggingface.co/production/uploads/698224a939bac08a1b6e0488/FjQXRkHqmzy4yfy2TBHDZ.png) 以下の結果で、Holo3が単一アプリケーションベンチマークで競合他社を上回っていることがわかります。Holo3とベースのQwen3.5モデルとの性能差は、私たちのエージェント型学習フライホイールの影響を反映しています。大幅に大きなパラメータ数を有するモデルよりも高い成功率を達成しながら、同じローカライゼーション（localization）とグラウンディング（grounding）基準を維持することで、Holo3はこの専門的なトレーニングの真の価値を示しています。 ![](https://cdn-uploads.huggingface.co/v1/production/uploads/698224a939bac08a1b6e0488/xo_YqyqgtK_voRmvraVH1.png) ユニバーサルエージェンシー（Universal Agency）へ向けて Holo3はマイルストーンですが、目的地ではありません。クライアントのデジタルプラットフォーム内で見て、推論し、行動できるシステムを構築することで、私たちは自律型エンタープライズを現実のものにしています。 私たちの「合成環境ファクトリー」が進化を続けるにつれ、私たちのエージェントはますます複雑なタスクを処理することを学んでいます。今日のHolo3がインターフェースを習得している一方で、私たちはすでに次のフロンティアに取り組んでいます：適応型エージェンシー（Adaptive Agency）です。ここでは、私たちのモデルは既知のツールを使用するだけでなく、リアルタイムで全く新しい、特注のエンタープライズソフトウェアを自律的に操作することを学びます。

Holo3：コンピュータ利用の新たなフロンティアを切り拓く

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト