H presenta Holo4, una nuova serie di modelli agentici, cioè capaci di agire in modo autonomo su un computer o all’interno di software. Esiste in due taglie, 27B denso e 35B-A3B a mistura di esperti, ed entrambe sono disponibili sulla H Models API. L’editore pubblica anche una versione aggiornata di Holotron 3, battezzata Holotron4 Nano.
Un unico modello per tutte le interfacce
Holo4 si basa sul modello precedente di H e interagisce con i software attraverso tutte le interfacce disponibili: interfacce grafiche, codice, protocollo MCP (che permette di connettere un modello a strumenti esterni) e API. Clicca e digita su uno schermo, scrive ed esegue il proprio codice, o chiama strumenti via MCP o API, a seconda di ciò che è più adatto al compito. Secondo H, la maggior parte dei modelli agentici è addestrata solo per una singola interfaccia, con i modelli orientati alla grafica incapaci di operare senza schermo, e quelli che privilegiano le chiamate a strumenti che rimangono bloccati davanti a un’applicazione priva di API.
Holo4 funziona su computer, sul web, su Android, in una sandbox di codice e di fronte a API professionali. Si tratta dello stesso modello in ogni caso, chiamato allo stesso modo, così che non è necessario cambiare modello passando da una piattaforma all’altra.
H ha addestrato Holo4 tramite apprendimento supervisionato e apprendimento per rinforzo, su un gran numero di ambienti e compiti, alcuni dei quali generati dalla sua Agentic Task Factory. Questo sistema interno costruisce ambienti interattivi e compiti verificabili a partire dalla documentazione, ad esempio screenshot di siti reali o software open source. Ha prodotto finora circa 10.000 compiti che coprono applicazioni web, server MCP e ambienti desktop.
Prestazioni dichiarate rispetto ai modelli all’avanguardia
Su OSWorld 2.0, un test di riferimento che misura il controllo di un computer, Holo4 27B ottiene il 61,7%, contro l’81,8% di Opus 5.5. Holo4 35B-A3B raggiunge il 30,9%. H stima che Holo4 si collochi dietro solo ai modelli chiusi più performanti sui flussi di lavoro lunghi, pur utilizzando, secondo l’editore, « ordini di grandezza » di parametri in meno e un costo nettamente inferiore.
Sui test più impegnativi per il controllo desktop (OSWorld 2.0) e per l’uso di API (AutomationBench), H afferma che Holo4 rivaleggia con i modelli all’avanguardia a un costo per compito ben inferiore. L’editore precisa che i costi sono stimati a partire dai token di input e di output di ogni esecuzione, e che versioni, ambienti e sottoinsiemi di compiti differiscono da una classifica all’altra. H indica di pubblicare l’insieme delle traiettorie all’origine dei suoi punteggi sui benchmark pubblici, consultabili su trajectories.hcompany.ai o scaricabili su Hugging Face.
In dimostrazioni confrontate con Qwen3.8 27B, il suo modello base, Holo4 27B è stato valutato sulla modellazione 3D in FreeCAD, la creazione di un logo e lo sviluppo di un gioco tipo Pac-Man in Godot. Per questi esempi, l’editore indica il numero di chiamate e di token consumati da ciascun modello.
Holotron4 Nano e disponibilità
H, membro della NVIDIA Nemotron Coalition, ha applicato il suo metodo di addestramento al modello Nemotron 3 Nano Omni, in seguito a Holotron 3. Il risultato, Holotron4 Nano, è presentato come un modello agentico generalista, che progredisce nettamente sui flussi di lavoro grafici e negli ambienti che espongono MCP, API o sandbox di codice. I guadagni sono espressi in punti percentuali assoluti rispetto a Nemotron 3 Nano Omni.
Le due taglie di Holo4 sono accessibili da subito tramite la H Models API. I pesi sono disponibili su Hugging Face nei formati BF16, FP8, NVFP4 e GGUF a 4 bit, insieme a Holotron4 Nano. H annuncia inoltre la pubblicazione, nei prossimi giorni, di checkpoint di « drafter » DSpark ottimizzati, destinati ad accelerare l’inferenza.
