H apresenta o Holo4, uma nova série de modelos agentes, ou seja, capazes de agir de forma autónoma num computador ou em software. Existe em dois tamanhos, 27B denso e 35B-A3B de mistura de especialistas, e ambos estão disponíveis na H Models API. A editora publica também uma versão atualizada do Holotron 3, batizada Holotron4 Nano.
Um mesmo modelo para todas as interfaces
O Holo4 baseia-se no modelo anterior da H e interage com o software através de todas as interfaces disponíveis: interfaces gráficas, código, protocolo MCP (que permite ligar um modelo a ferramentas externas) e API. Clica e escreve num ecrã, escreve e executa o seu próprio código, ou chama ferramentas via MCP ou APIs, conforme o que for adequado à tarefa. Segundo a H, a maioria dos modelos agentes são treinados apenas para uma única interface, ficando os modelos orientados para gráficos desamparados sem ecrã, e os que privilegiam chamadas de ferramentas bloqueados perante uma aplicação sem API.
O Holo4 funciona em computador, na web, no Android, num sandbox de código e perante APIs profissionais. Trata-se do mesmo modelo em cada caso, chamado da mesma forma, pelo que não é necessário mudar de modelo de uma plataforma para outra.
A H treinou o Holo4 por aprendizagem supervisionada e por aprendizagem por reforço, num grande número de ambientes e tarefas, algumas geradas pela sua Agentic Task Factory. Este sistema interno constrói ambientes interativos e tarefas verificáveis a partir de documentação, por exemplo, capturas de ecrã de sites reais ou de software de código aberto. Produziu até agora cerca de 10 000 tarefas que abrangem aplicações web, servidores MCP e ambientes de desktop.
Desempenhos anunciados face aos modelos de ponta
No OSWorld 2.0, um teste de referência que mede o controlo de um computador, o Holo4 27B obtém 61,7 %, contra 81,8 % para o Opus 5.5. O Holo4 35B-A3B atinge 30,9 %. A H estima que o Holo4 só fica atrás dos modelos fechados mais performantes em fluxos de trabalho longos, utilizando, segundo a editora, « ordens de grandeza » menos parâmetros e um custo significativamente mais baixo.
Nos testes mais exigentes para o controlo de desktop (OSWorld 2.0) e para o uso de API (AutomationBench), a H afirma que o Holo4 rivaliza com os modelos de ponta a um custo por tarefa muito inferior. A editora especifica que os custos são estimados a partir dos tokens de entrada e de saída de cada execução, e que as versões, ambientes e subconjuntos de tarefas diferem de um ranking para outro. A H indica publicar o conjunto das trajetórias na origem das suas pontuações nos benchmarks públicos, consultáveis em trajectories.hcompany.ai ou descarregáveis no Hugging Face.
Em demonstrações comparadas com o Qwen3.8 27B, o seu modelo base, o Holo4 27B foi avaliado na modelação 3D no FreeCAD, na criação de um logótipo e no desenvolvimento de um jogo tipo Pac-Man no Godot. Para estes exemplos, a editora indica o número de chamadas e de tokens consumidos por cada modelo.
Holotron4 Nano e disponibilidade
A H, membro da NVIDIA Nemotron Coalition, aplicou o seu método de treino ao modelo Nemotron 3 Nano Omni, em continuação do Holotron 3. O resultado, Holotron4 Nano, é apresentado como um modelo agente generalista, que progride claramente nos fluxos de trabalho gráficos e nos ambientes que expõem MCP, APIs ou sandboxes de código. Os ganhos são expressos em pontos percentuais absolutos em relação ao Nemotron 3 Nano Omni.
Os dois tamanhos do Holo4 estão acessíveis desde já através da H Models API. Os pesos estão disponíveis no Hugging Face nos formatos BF16, FP8, NVFP4 e GGUF em 4 bits, juntamente com o Holotron4 Nano. A H anuncia ainda a publicação, nos próximos dias, de pontos de controlo de « drafter » DSpark otimizados, destinados a acelerar a inferência.
