H présente Holo4, une nouvelle série de modèles agentiques, c’est-à-dire capables d’agir de façon autonome sur un ordinateur ou dans des logiciels. Elle existe en deux tailles, 27B dense et 35B-A3B à mélange d’experts, et les deux sont disponibles sur la H Models API. L’éditeur publie aussi une version actualisée de Holotron 3, baptisée Holotron4 Nano.
Un même modèle pour toutes les interfaces
Holo4 s’appuie sur le modèle précédent de H et interagit avec les logiciels par toutes les interfaces disponibles : interfaces graphiques, code, protocole MCP (qui permet de connecter un modèle à des outils externes) et API. Il clique et tape sur un écran, écrit et exécute son propre code, ou appelle des outils via MCP ou des API, selon ce qui convient à la tâche. Selon H, la plupart des modèles agentiques ne sont entraînés que pour une seule interface, les modèles orientés graphique étant démunis sans écran, et ceux qui privilégient les appels d’outils restant bloqués devant une application dépourvue d’API.
Holo4 fonctionne sur ordinateur, sur le web, sur Android, dans un bac à sable de code et face à des API professionnelles. Il s’agit du même modèle dans chaque cas, appelé de la même manière, si bien qu’il n’est pas nécessaire de changer de modèle d’une plateforme à l’autre.
H a entraîné Holo4 par apprentissage supervisé et par apprentissage par renforcement, sur un grand nombre d’environnements et de tâches, dont certains générés par son Agentic Task Factory. Ce système interne construit des environnements interactifs et des tâches vérifiables à partir de documentation, par exemple des captures d’écran de sites réels ou de logiciels libres. Il a produit jusqu’ici environ 10 000 tâches couvrant des applications web, des serveurs MCP et des environnements de bureau.
Des performances annoncées face aux modèles de pointe
Sur OSWorld 2.0, un test de référence qui mesure le contrôle d’un ordinateur, Holo4 27B obtient 61,7 %, contre 81,8 % pour Opus 5.5. Holo4 35B-A3B atteint 30,9 %. H estime que Holo4 ne se situe derrière que les modèles fermés les plus performants sur les workflows longs, tout en utilisant, selon l’éditeur, « des ordres de grandeur » de paramètres en moins et un coût nettement plus faible.
Sur les tests les plus exigeants pour le contrôle de bureau (OSWorld 2.0) et pour l’usage d’API (AutomationBench), H affirme que Holo4 rivalise avec les modèles de pointe à un coût par tâche bien inférieur. L’éditeur précise que les coûts sont estimés à partir des jetons d’entrée et de sortie de chaque exécution, et que les versions, environnements et sous-ensembles de tâches diffèrent d’un classement à l’autre. H indique publier l’ensemble des trajectoires à l’origine de ses scores sur les benchmarks publics, consultables sur trajectories.hcompany.ai ou téléchargeables sur Hugging Face.
Dans des démonstrations comparées à Qwen3.8 27B, son modèle de base, Holo4 27B a été évalué sur la modélisation 3D dans FreeCAD, la création d’un logo et le développement d’un jeu de type Pac-Man dans Godot. Pour ces exemples, l’éditeur indique le nombre d’appels et de jetons consommés par chaque modèle.
Holotron4 Nano et disponibilité
H, membre de la NVIDIA Nemotron Coalition, a appliqué sa méthode d’entraînement au modèle Nemotron 3 Nano Omni, en suite de Holotron 3. Le résultat, Holotron4 Nano, est présenté comme un modèle agentique généraliste, qui progresse nettement sur les workflows graphiques et dans les environnements exposant MCP, des API ou des bacs à sable de code. Les gains sont exprimés en points de pourcentage absolus par rapport à Nemotron 3 Nano Omni.
Les deux tailles de Holo4 sont accessibles dès maintenant via la H Models API. Les poids sont disponibles sur Hugging Face aux formats BF16, FP8, NVFP4 et GGUF en 4 bits, aux côtés de Holotron4 Nano. H annonce par ailleurs la publication, dans les prochains jours, de points de contrôle de « drafter » DSpark optimisés, destinés à accélérer l’inférence.
