法国 AI 公司 H Company 近日发布并开源了 Holo1.5 系列视觉语言模型，该系列专为 Computer Use (CU) Agent 设计。

新系列在UI元素定位与界面问答任务上全面超越了前代 Holo1，平均准确率提升超过10%，并在Web、桌面、移动跨平台基准测试中刷新了开源模型的纪录。

Holo1.5 基于 Qwen2.5-VL 基座模型，采用高分辨率原生输入（最高支持3840×2160），通过大规模监督微调与在线强化学习（GRPO）两阶段进行训练，融合了开源数据、合成数据与人工标注数据。

该系列提供了三种不同规模的模型，并采用不同的开源许可：

模型规模    开源许可    商业用途
3B    Qwen 许可    遵循原许可
7B    Apache 2.0    完全开放
72B    仅限学术研究    需单独授权

目前，模型已上线 HuggingFace，提供了开放权重、演示空间与本地推理脚本，支持开发者构建能够操纵真实应用的 CU Agent。H Company 表示，未来数周还将发布基于 Holo 系列的新工具与完整的 Agent 方案。