인공지능(AI)이 단순한 텍스트와 이미지 생성을 넘어 직접 컴퓨터 화면을 조작하고 도구를 호출하는 범용 에이전트 모델로 진화하고 있습니다. H Company는 2026년 9월 28일, 데스크톱, 웹, 모바일(Android), 그리고 API 환경을 모두 지원하는 오픈웨이트 컴퓨터 사용 AI 모델 제품군인 Holo4를 발표했습니다12. 이번 공개는 여러 인터페이스를 넘나들며 복잡한 작업을 하나의 시스템으로 처리할 수 있는 에이전트 인프라의 새로운 기준을 제시한다는 점에서 의미가 있습니다.
기존의 에이전트 모델들은 특정 인터페이스에 갇혀 있었습니다. 그래픽 사용자 인터페이스(GUI) 전용 모델은 화면이 사라지면 작업을 수행하지 못했고, API나 코드 호출에 치우친 모델은 버튼을 클릭하거나 시각적 요소를 확인해야 하는 상황에서 한계를 드러냈습니다2. Holo4는 화면 클릭과 타이핑, 코드 작성, MCP(Model Context Protocol) 및 API 도구 호출을 모두 포괄하며, 작업 성격에 따라 모델을 따로 선택할 필요 없이 단일 시스템으로 구동됩니다12.
하이브리드 인터페이스와 통합 에이전트 하네스
Holo4가 다양한 환경에서 동일하게 작동할 수 있는 비결은 'hai-agents'라는 단일 에이전트 하네스(모델의 동작을 실행하고 관리하는 루프)에 있습니다2. 이 하네스는 스크린샷과 도구 실행 결과를 모델에 입력하고, 화면 클릭이나 코드 실행 같은 다음 행동을 지시합니다. 개발진은 복잡한 다단계 작업을 처리하기 위해 모델에 신뢰할 수 있는 메모리 기능과 데스크톱 환경 내에서 직접 작동하는 셸(Shell) 권한을 부여하여 일관성을 높였습니다2.
이 제품군은 262,144 토큰(약 256K)에 달하는 거대한 컨텍스트 윈도우를 지원하여, 수백 단계에 이르는 긴 작업 이력을 유실 없이 추적할 수 있습니다24. 또한 H Company는 실제 웹사이트나 오픈소스 소프트웨어 문서 등을 바탕으로 상호작용 환경과 검증 가능한 과제 약 10,000개를 생성하는 'Agentic Task Factory'를 구축하여 학습에 활용했습니다2. 이를 통해 정적인 데이터 학습을 넘어 GUI와 MCP가 결합된 환경에서 실질적인 문제 해결 능력을 갖추도록 설계되었습니다.
모델 구성과 비용·성능 비교
Holo4는 두 가지 크기의 모델로 제공되어 사용자의 인프라 환경과 목적에 맞춰 선택할 수 있습니다. 밀집형(Dense) 구조의 Holo4 27B는 고성능 작업에 초점을 맞추었으며, 전문가 혼합(Mixture of Experts, MoE) 구조의 Holo4 35B-A3B는 전체 파라미터 중 3B(30억 개)만 활성화하여 연산 효율을 높였습니다12. 두 모델 모두 Hugging Face를 통해 BF16, FP8, NVFP4, Q4 GGUF 등 다양한 가중치 형식으로 배포되어 자체 호스팅이 가능합니다4.
공개된 벤치마크 결과에 따르면, 고난도 데스크톱 제어 평가인 OSWorld 2.0 벤치마크에서 Holo4 27B는 61.7%(과제당 비용 $1.22), Holo4 35B-A3B는 30.9%(과제당 비용 $0.61)의 성능을 기록했습니다2. 폐쇄형 선도 모델인 Opus 5.5(81.8%)와 비교할 때는 격차가 있으나, 훨씬 적은 파라미터와 낮은 비용으로 구동됩니다2. 또한 AutomationBench v1.0.6 기준으로는 Holo4 27B가 45.4%(과제당 $0.05), Holo4 35B-A3B가 34.5%(과제당 $0.02)의 성능과 비용을 보여주었습니다4.
라이선스 정책과 도입 전 확인 사항
Holo4를 실제 업무나 상용 서비스에 도입할 때는 모델별로 상이한 라이선스 조건을 면밀히 검토해야 합니다. Holo4 27B는 CC BY-NC 4.0 라이선스를 따르므로 상업적 이용에 제약이 있을 수 있는 반면, Holo4 35B-A3B는 Apache License 2.0을 적용하여 상업적 활용과 수정이 비교적 자유롭습니다4. 베이스 모델의 경우 27B는 Alibaba Cloud가 Apache 2.0으로 배포한 Qwen3.8 기반이지만 웰시 가중치 자체는 비상업 라이선스가 적용되며, 35B-A3B는 가중치와 베이스 모두 Apache 2.0을 유지합니다4.
이 모델들은 그래픽 인터페이스와 내부 API, 코드 샌드박스를 동시에 다루어야 하는 복잡한 자동화 파이프라인을 자체 인프라에서 구축하려는 개발자와 기업에 적합합니다. 도입을 결정하기 전에, 벤치마크 수치는 H Company의 특정 하네스 환경에서 측정된 결과이므로 자사의 실제 워크플로에서도 동일한 효율이 나오는지 검증해야 합니다4. 또한 보유 중인 컴퓨팅 자원(VRAM)에 맞는 양자화 포맷을 선택할 수 있는지, 그리고 목표로 하는 활용 목적이 선택한 모델의 라이선스 범위에 부합하는지 반드시 확인해야 합니다4.
참고
2Holo4: powering generalist computer-use agents
4H Company Releases Holo4 Open Computer-Use Weights on Hugging Face
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.