🔍 Про AI-агентов, которые «умеют работать с интерфейсом», мы уже слышали. Обычно это выглядит так: что-то кликнуло, где-то не туда нажало и все сломалось. Плюс все это за дикие деньги.

А тут парижский стартап H Company выкатил Holo3 — и, судя по описанию, решил подойти к вопросу серьёзно.

Это мультимодальная модель, которая реально управляет десктопом и приложениями: читает интерфейс, принимает решения и выполняет цепочки действий (не один клик, а полноценные сценарии). Причём сценарии не игрушечные — вроде «достать данные из PDF, сверить с системой и разослать письма».

Обучали это всё тоже не «на скриншотах из интернета». Они построили синтетическую корпоративную среду, где агенты сами создают приложения и задачи — и на этом тренируются. Потом добавили бенчмарк из сотен многошаговых кейсов.

🔍Ну и результат: модель показывает SOTA на задачах работы с интерфейсами (почти 79% на OSWorld).

В общем, мы всё ближе к моменту, когда AI будет работать за компьютером как человек. Правда, пока человек всё ещё получается дешевле 😄