H presenta Holo4, una nueva serie de modelos agenticos, es decir, capaces de actuar de forma autónoma en una computadora o en software. Existe en dos tamaños, 27B denso y 35B-A3B de mezcla de expertos, y ambos están disponibles en la H Models API. El editor también publica una versión actualizada de Holotron 3, llamada Holotron4 Nano.
Un mismo modelo para todas las interfaces
Holo4 se basa en el modelo anterior de H e interactúa con el software a través de todas las interfaces disponibles: interfaces gráficas, código, protocolo MCP (que permite conectar un modelo a herramientas externas) y API. Hace clic y escribe en una pantalla, escribe y ejecuta su propio código, o llama a herramientas vía MCP o API, según lo que convenga a la tarea. Según H, la mayoría de los modelos agenticos solo están entrenados para una única interfaz, quedando los modelos orientados a gráficos desamparados sin pantalla, y aquellos que privilegian las llamadas a herramientas bloqueados frente a una aplicación sin API.
Holo4 funciona en computadora, en la web, en Android, en un sandbox de código y frente a API profesionales. Se trata del mismo modelo en cada caso, llamado de la misma manera, por lo que no es necesario cambiar de modelo de una plataforma a otra.
H ha entrenado Holo4 mediante aprendizaje supervisado y aprendizaje por refuerzo, en un gran número de entornos y tareas, algunas generadas por su Agentic Task Factory. Este sistema interno construye entornos interactivos y tareas verificables a partir de documentación, por ejemplo, capturas de pantalla de sitios reales o de software libre. Ha producido hasta ahora alrededor de 10,000 tareas que cubren aplicaciones web, servidores MCP y entornos de escritorio.
Rendimientos anunciados frente a los modelos de vanguardia
En OSWorld 2.0, una prueba de referencia que mide el control de una computadora, Holo4 27B obtiene un 61.7 %, frente al 81.8 % de Opus 5.5. Holo4 35B-A3B alcanza un 30.9 %. H estima que Holo4 solo se sitúa detrás de los modelos cerrados más potentes en flujos de trabajo largos, mientras utiliza, según el editor, « órdenes de magnitud » menos parámetros y un coste significativamente menor.
En las pruebas más exigentes para el control de escritorio (OSWorld 2.0) y para el uso de API (AutomationBench), H afirma que Holo4 rivaliza con los modelos de vanguardia a un coste por tarea muy inferior. El editor precisa que los costes se estiman a partir de los tokens de entrada y salida de cada ejecución, y que las versiones, entornos y subconjuntos de tareas difieren de una clasificación a otra. H indica que publica el conjunto de trayectorias en las que se basan sus puntuaciones en los benchmarks públicos, consultables en trajectories.hcompany.ai o descargables en Hugging Face.
En demostraciones comparadas con Qwen3.8 27B, su modelo base, Holo4 27B fue evaluado en el modelado 3D en FreeCAD, la creación de un logo y el desarrollo de un juego tipo Pac-Man en Godot. Para estos ejemplos, el editor indica el número de llamadas y tokens consumidos por cada modelo.
Holotron4 Nano y disponibilidad
H, miembro de la NVIDIA Nemotron Coalition, ha aplicado su método de entrenamiento al modelo Nemotron 3 Nano Omni, como continuación de Holotron 3. El resultado, Holotron4 Nano, se presenta como un modelo agentico generalista, que progresa notablemente en flujos de trabajo gráficos y en entornos que exponen MCP, API o sandboxes de código. Las mejoras se expresan en puntos porcentuales absolutos respecto a Nemotron 3 Nano Omni.
Los dos tamaños de Holo4 están accesibles desde ya a través de la H Models API. Los pesos están disponibles en Hugging Face en los formatos BF16, FP8, NVFP4 y GGUF en 4 bits, junto a Holotron4 Nano. H anuncia además la publicación, en los próximos días, de puntos de control de « drafter » DSpark optimizados, destinados a acelerar la inferencia.
