Developer

Holo4 Rilis: Agen AI Kontrol Komputer Murah

Hcompany ngerilis Holo4, agen AI yang bisa klik, ngetik, nulis kode, dan manggil API di komputer kamu—dengan ongkos jauh lebih murah dari model frontier.

Tim Engineering Classai

· 9 menit baca

Ilustrasi Holo4, agen AI yang bisa kontrol komputer lewat GUI, kode, dan API
Gambar: Hugging Face

Inti singkat

  • Holo4 dari Hcompany adalah agen AI yang bisa kontrol GUI, kode, MCP, dan API lewat satu model yang sama.
  • Di OSWorld 2.0, Holo4 27B skor 61,7% dan Holo4 35B-A3B skor 30,9%, masih di bawah Claude Opus 5.5 (81,8%).
  • Holo4 dilatih dari sekitar 10.000 tugas buatan Agentic Task Factory dan 127 miliar token supervised fine-tuning.
  • Holotron4 Nano, versi kecil berbasis Nemotron 3 Nano Omni dari NVIDIA, dirilis bareng Holo4.
  • Semua model tersedia lewat H Models API dan bobotnya open di Hugging Face dalam format BF16, FP8, NVFP4, GGUF.
Daftar isi8 bagian
  1. 01
  2. 02
  3. 03
  4. 04
  5. 05
  6. 06
  7. 07
  8. 08

Hcompany resmi ngerilis Holo4, agen AI generasi baru yang bisa ngontrol komputer kayak manusia — klik, ngetik, nulis kode sendiri, sampai manggil API, semuanya lewat satu model yang sama.

Ini bukan model yang cuma pinter ngobrol doang. Menurut blog resmi Hugging Face, Holo4 dirancang buat beneran "kerja" di depan software — baik itu aplikasi desktop, web, Android, sampai lewat MCP (protokol buat agent manggil tool) dan API langsung. Kalau kamu lagi nyari tahu soal agen AI yang bisa ngoperasiin komputer sendiri, Holo4 ini salah satu contoh paling konkret yang sekarang open source.

Panduan gratis · gratis

Panduan Cepat API AI untuk Developer

Dari request pertama sampai siap produksi: contoh kode, streaming, kontrol biaya, keamanan API key, dan penanganan error.

  • Contoh request dengan cURL, Python, dan JavaScript
  • Streaming dan format OpenAI vs Anthropic
  • Cara mengontrol biaya token
  • Checklist keamanan dan siap produksi

Dengan mengirim, kamu setuju menerima email dari Classai sesuai Kebijakan Privasi. Bisa berhenti berlangganan kapan saja.

Apa itu Holo4, agen AI kontrol komputer dari Hcompany?

Holo4 dateng dalam dua ukuran: 27B dense dan 35B-A3B Mixture of Experts (MoE — arsitektur yang cuma ngaktifin sebagian "ahli" di dalam model buat tiap tugas, biar lebih efisien). Dua-duanya bisa dipakai lewat H Models API, dan Hcompany juga ngasih update buat model kecilnya yang namanya Holotron4 Nano.

Yang bikin Holo4 beda dari kebanyakan agen AI adalah dia nggak terpaku di satu cara interaksi doang. Kebanyakan model agentic itu cuma jago di satu jalur: ada yang fokus baca screen doang (jadi "buta" kalau nggak ada tampilan visual), ada yang cuma jago manggil tool lewat API tapi nggak ngerti kalau aplikasinya nggak punya API. Holo4 bisa pakai GUI, nulis kode, manggil MCP, atau langsung hit API — tergantung mana yang paling cocok buat tugasnya.

Floor of screens from Holo4 benchmark runs across web apps, desktop software and mobile.
Ini tampilan Holo4 pas lagi ngerjain banyak tugas sekaligus — mulai dari aplikasi web, software desktop, sampai HP Android, semuanya dikerjain model yang sama tanpa ganti-ganti. · Sumber: Hugging Face

Praktisnya gini: Holo4 bisa jalan di desktop, web, Android, sandbox kode, sampai ngobrol langsung sama API bisnis — dan itu semua model yang sama, dipanggil dengan cara yang sama juga. Jadi nggak perlu pilih model beda-beda buat tiap platform.

Holo4 vs Qwen base: seberapa jago kerjanya?

Holo4 dibangun di atas model Qwen, dan menurut Hcompany ada peningkatan yang lumayan kerasa dibanding base model-nya. Tapi dibandingin model closed paling kuat kayak Claude Opus 5.5, Holo4 masih di bawah buat tugas-tugas panjang yang butuh banyak langkah.

Holo4 benchmark results with cost per task, against Qwen3.8 27B and frontier models
Grafik ini ngebandingin hasil benchmark Holo4 sama Qwen3.8 27B dan beberapa model frontier, lengkap sama biaya per tugasnya — Holo4 jauh lebih murah meski skornya belum setinggi model tertinggi. · Sumber: Hugging Face

Di tes OSWorld 2.0 (benchmark buat ngukur kemampuan agen ngontrol desktop), hasilnya kayak gini:

ModelSkor OSWorld 2.0Catatan
Claude Opus 5.581,8%Model closed, ongkos per tugas paling mahal
Claude Opus 570,2%Diukur pakai max-effort partial reward, offline set beda dari yang lain
GPT-5.6 Sol66,2%Metode pengukuran sama seperti Opus 5 di atas
Holo4 27B dense61,7%Model utama Hcompany, open weight
Holo4 35B-A3B (MoE)30,9%Versi Mixture of Experts

Holo4 27B memang belum ngalahin model-model closed paling jago, tapi dia ngelakuinnya dengan parameter yang jauh lebih kecil dan ongkos yang jauh lebih murah. Hcompany juga buka semua "trajectory" (rekaman langkah demi langkah) di balik skor-skor ini biar bisa dicek sendiri — kamu bisa replay di trajectories.hcompany.ai atau download dari Hugging Face.

Skor OSWorld 2.0 dan AutomationBench: murah tapi kompetitif

Dua benchmark utama yang dipakai buat ngetes Holo4 adalah OSWorld 2.0 (kontrol desktop) dan AutomationBench (penggunaan API). Di dua-duanya, Holo4 diklaim bisa "nyaingin" model frontier dengan ongkos per tugas yang jauh lebih kecil.

OSWorld 2.0: average partial score vs. cost per task
Grafik skor rata-rata partial vs biaya per tugas di OSWorld 2.0 — titik Holo4 ada di area skor menengah tapi biayanya jauh di bawah model-model closed yang skornya lebih tinggi. · Sumber: Hugging Face
AutomationBench: score vs. cost per task
Grafik perbandingan skor dan biaya per tugas di AutomationBench, benchmark yang ngukur kemampuan agen manggil API secara otomatis. · Sumber: Hugging Face

Catatan penting dari Hcompany: perbandingan ini nggak 100% apple-to-apple karena tiap model diukur pakai harness (sistem yang ngejalanin agent) dan subset task yang beda-beda. Tapi arah besarnya jelas — kalau kamu butuh agen yang murah buat ngerjain tugas berulang, Holo4 jadi opsi yang layak dilirik dibanding harus bayar mahal ke model-model closed kayak GPT-5.6 Sol.

Contoh nyata: dari bikin model 3D sampai main Pac-Man sendiri

Biar nggak cuma ngomongin angka benchmark, Hcompany ngasih beberapa contoh tugas nyata yang dikerjain Holo4 27B dan dibandingin langsung sama base model-nya, Qwen3.8 27B — pakai prompt dan harness yang sama persis.

Yang pertama, nyuruh Holo4 bikin model 3D menara Eiffel di FreeCAD dengan spesifikasi detail banget — ukuran kaki, platform, sampai tiang antena, semuanya harus jadi solid tertutup dan nggak ada bagian yang nutupin ruang kosong antar kaki menara.

Rekaman Holo4 27B ngerjain tugas bikin menara Eiffel di FreeCAD — butuh 84 kali panggilan dan sekitar 1,3 juta token buat nyelesein modelnya. · Video: Hugging Face
Rekaman Qwen3.8 27B ngerjain tugas yang sama — cuma 60 panggilan dan 1 juta token, hasilnya dibandingin langsung sama versi Holo4. · Video: Hugging Face

Tugas kedua lebih simpel: bikin logo "H" ala Hcompany, berupa lingkaran solid di samping huruf H blocky, dua-duanya warna hitam dan sejajar di tengah.

Holo4 27B ngerjain tugas bikin logo H — makan 94 panggilan dan 1,5 juta token. · Video: Hugging Face
Qwen3.8 27B ngerjain tugas yang sama tapi butuh lebih banyak usaha, 118 panggilan dan 1,9 juta token. · Video: Hugging Face

Yang paling seru buat developer game: Holo4 disuruh bikin game ala Pac-Man di Godot, lengkap sama maze, pellet, tiga hantu yang ngejar pemain, skor, dan nyawa — tapi pemainnya digerakin otomatis pakai heuristik sederhana, bukan input keyboard. Jadi gamenya harus jalan sendiri tanpa disentuh.

Holo4 27B bikin dan ngejalanin game Pac-Man otomatis di Godot — 68 panggilan, 2,4 juta token, dan kode akhirnya cuma 268 baris. · Video: Hugging Face
Qwen3.8 27B ngerjain tugas yang sama tapi butuh usaha jauh lebih banyak — 197 panggilan, 11,4 juta token, dan 327 baris kode. · Video: Hugging Face

Dari tiga contoh ini kelihatan jelas: Holo4 cenderung lebih efisien dibanding base model-nya buat tugas yang butuh banyak langkah dan iterasi, meski hasilnya sama-sama "jadi" di akhir.

Gimana Holo4 dilatih? Agentic Task Factory dan harness barunya

Salah satu kunci di balik Holo4 adalah "Agentic Task Factory" — sistem internal Hcompany yang bikin environment interaktif dan tugas yang bisa diverifikasi, cukup dari dokumentasi doang, kayak screenshot website asli atau software open source. Sejauh ini sistem ini udah ngehasilin sekitar 10.000 tugas di web app, MCP server, dan environment desktop, termasuk environment hybrid yang nunjukin state yang sama lewat GUI dan MCP sekaligus.

Agentic Task Factory: sources, build, gates, runtime and output
Diagram Agentic Task Factory: dari sumber dokumentasi, dibangun jadi environment, dicek lewat beberapa gate kualitas, dijalanin di runtime, sampai jadi output tugas yang bisa dipakai buat training. · Sumber: Hugging Face

Proses training-nya sendiri pakai supervised fine-tuning di 127 miliar token, terus dilanjut reinforcement learning (RL) lewat dua "expert" yang akhirnya digabung jadi satu model.

Holo4 training: supervised fine-tuning on 127B tokens, two RL experts, one merged model
Diagram proses training Holo4: supervised fine-tuning di 127B token, dua expert RL terpisah, lalu digabung jadi satu model final. · Sumber: Hugging Face

Selain training model-nya, Hcompany juga ngebangun ulang harness — loop yang ngejalanin aksi model dan ngatur context-nya selama ratusan langkah. Mereka pakai feedback dari performa agent di OSWorld 2.0: tiap kegagalan ditandai alasannya, lalu engineer ngecek perbaikannya satu-satu. Perubahan paling gede adalah ngasih agent memori yang bisa diandalin buat nge-track ratusan langkah, plus akses shell langsung ke komputer tempat dia jalan.

Automatic harness engineering: OSWorld 2.0 score of every evaluation run over time
Grafik skor OSWorld 2.0 dari tiap evaluation run sepanjang waktu — nunjukin gimana perbaikan harness bikin skor makin naik seiring berjalannya proses engineering. · Sumber: Hugging Face

Holotron4 Nano: versi kecil buat yang butuh ringan

Selain Holo4, Hcompany juga ngerilis Holotron4 Nano — versi update dari Holotron 3 yang dibangun pakai model Nemotron 3 Nano Omni dari NVIDIA. Ini jadi bukti kalau "resep" post-training Hcompany bisa dipakai di foundation model lain, nggak cuma Qwen.

Holotron4 Nano vs. Nemotron 3 Nano Omni across five benchmarks
Perbandingan Holotron4 Nano vs Nemotron 3 Nano Omni (base model-nya) di lima benchmark — nunjukin kenaikan yang lumayan gede di hampir semua tugas GUI, MCP, API, dan coding sandbox. · Sumber: Hugging Face

Menurut Hcompany, hasil ini nunjukin kalau resep training mereka transfer dengan baik dan bisa ngubah model generalist jadi "expert" agentic — nggak peduli ukurannya gede atau kecil.

Cara nyobain Holo4 sendiri

Kalau kamu developer dan pengen nyobain Holo4, ini langkah-langkahnya berdasarkan info dari Hcompany:

  1. Akses lewat H Models API — dua ukuran Holo4 (27B dan 35B-A3B) udah tersedia hari ini, tinggal ikutin dokumentasi quickstart-nya.
  2. Download bobot modelnya dari Hugging Face kalau mau self-host — tersedia dalam format BF16, FP8, NVFP4, sampai 4-bit GGUF buat yang resource-nya terbatas.
  3. Cek koleksi lengkapnya (termasuk Holotron4 Nano) di halaman collection Holo4 di Hugging Face.
  4. Kalau mau belajar dari cara kerjanya, buka trajectory viewer-nya buat liat langkah demi langkah gimana model ini ngerjain tugas di benchmark publik.
  5. Pantengin update DSpark drafter checkpoint yang katanya mau dirilis Hcompany dalam waktu dekat buat ngebuat inference-nya lebih cepet.
Prompt siap pakai
Kamu adalah agen yang bisa ngontrol komputer lewat GUI, kode, dan API.Tugas: buka aplikasi spreadsheet, buat tabel pengeluaran bulanan dengan kolomtanggal, kategori, dan jumlah, isi 5 baris data contoh, lalu simpan filedengan nama "pengeluaran-oktober.xlsx". Laporkan tiap langkah yang kamu ambil.

Dampak buat developer dan bisnis di Indonesia

Buat developer di Indonesia, munculnya agen open source kayak Holo4 ngasih opsi buat bikin automation yang nggak cuma manggil API — tapi beneran bisa "nyentuh" software yang nggak punya API resmi, misal aplikasi legacy perusahaan atau tools internal yang cuma punya tampilan GUI. Ini relevan banget buat tim IT atau startup yang mau bikin agent custom tanpa nunggu vendor nyediain integrasi.

Tapi ada hal yang perlu diperhatiin juga: agen yang bisa ngontrol komputer penuh — klik, ketik, akses shell — berarti dia butuh akses yang luas ke sistem. Ini bikin soal keamanan data jadi penting, apalagi kalau dipakai buat ngolah data pelanggan yang kena aturan UU PDP. Kamu bisa baca lebih lanjut soal risiko agen AI yang akses sistem secara luas di artikel kami soal keamanan AI agent di macOS.

Holo4 sendiri belum ada di daftar model Classai Router, jadi belum bisa langsung dipanggil dari situ. Tapi kalau kamu mau eksperimen bikin agent sendiri lewat API dengan budget hemat, ada beberapa model coding-friendly yang udah tersedia di Classai Router, misalnya Kimi K2.7 Code (Rp3.700 / Rp6.000 per 1 juta token input/output) atau DeepSeek V4.1 Flash (Rp160 / Rp800 per 1 juta token) — satu API key, tinggal ganti nama model di kode kamu. Kalau mau belajar lebih sistematis soal bikin aplikasi pakai model AI, kelas AI untuk Developer bisa jadi titik awal yang pas.

Buat yang baru mulai belajar soal API AI secara umum, kamu bisa cek dulu panduan dasar di Apa itu API AI? biar nggak bingung pas mulai eksperimen sama agen-agen kayak Holo4 ini.

Sumber & referensi

  1. 01

    Hugging Face · 28 September 2026

    Holo4: powering generalist computer-use agents

Artikel ini ditulis ulang oleh Tim Classai dengan bantuan AI berdasarkan sumber di atas — bukan terjemahan. Ada yang keliru? Kabari kami di [email protected].

Pertanyaan yang sering ditanyakan

Apa itu Holo4?

Holo4 adalah agen AI bikinan Hcompany yang bisa kontrol komputer lewat GUI, kode, MCP, atau API langsung, tersedia dalam dua ukuran: 27B dense dan 35B-A3B MoE. Model ini dirancang buat ngerjain tugas bisnis nyata, bukan cuma jawab pertanyaan.

Holo4 bisa dicoba di mana?

Holo4 tersedia lewat H Models API dari Hcompany, dan bobot modelnya juga open source di Hugging Face dalam format BF16, FP8, NVFP4, serta GGUF buat yang mau self-host.

Seberapa jago Holo4 dibanding model lain?

Di benchmark OSWorld 2.0, Holo4 27B dapet skor 61,7%, di bawah Claude Opus 5.5 yang skornya 81,8%. Tapi Holo4 diklaim jauh lebih murah per tugas, jadi cocok buat yang butuh efisiensi biaya.

Apa itu Holotron4 Nano?

Holotron4 Nano adalah versi kecil dari resep training Hcompany, dibangun dari model Nemotron 3 Nano Omni milik NVIDIA. Model ini jadi bukti kalau teknik post-training Hcompany bisa dipakai di foundation model lain, nggak cuma Qwen.

Apakah Holo4 tersedia di Classai Router?

Belum, Holo4 saat ini belum ada di daftar model Classai Router. Tapi kamu bisa eksperimen bikin agent sendiri pakai model-model coding yang udah tersedia di sana, seperti Kimi K2.7 Code atau DeepSeek V4.1 Flash.

Luthfi

Classai Weekly

dari Luthfi · Setiap Senin, 06.30 WIB

Nggak sempat ngikutin berita AI? Biar aku yang rangkumin tiap Senin.

  • 5 berita AI paling penting minggu ini — udah disaring, nggak perlu baca puluhan situs
  • Kenapa itu penting buat kamu — plus opini jujur Luthfi soal arahnya
  • 1 prompt siap pakai yang bisa langsung dicoba
  • Pilihan kelas & model AI minggu ini — kadang ada promo khusus pelanggan

Dengan mengirim, kamu setuju menerima email dari Classai sesuai Kebijakan Privasi. Bisa berhenti berlangganan kapan saja.

Lihat contoh edisi

Bermanfaat? Bagikan ke tim atau temanmu.

Langkah berikutnya

Sudah paham teorinya. Sekarang praktikkan.

Daftar, isi saldo mulai puluhan ribu rupiah, dan panggil model AI pilihanmu dari kode yang sudah ada.

Ditulis oleh

Tim Engineering Classai

Pengembang Classai Router

Tim Engineering Classai membangun dan menjalankan Classai Router, gateway API AI yang kompatibel dengan format OpenAI dan Anthropic. Kami menulis panduan teknis dari pengalaman mengoperasikan API AI setiap hari.

Baca juga

Artikel terkait

Semua Developer