Holo4 : un agent généraliste pour les flux de travail sur bureau, web et mobile

H Company a lancé Holo4 le 28 septembre 2026, introduisant une nouvelle série de modèles agentiques conçus pour fonctionner dans les environnements de bureau, web et mobiles. La sortie comprend deux tailles principales de modèles : une variante dense de 27B et une variante Mixture of Experts de 35B-A3B, toutes deux disponibles via l'API H Models.

Ce qui s'est passé

Ce lancement marque une évolution vers des agents informatiques généralistes qui ne se limitent pas à une seule interface. Alors que de nombreux modèles agentiques existants sont entraînés exclusivement pour les interfaces graphiques ou strictement pour l'appel d'outils via des API, Holo4 est conçu pour basculer entre ces modes selon les besoins. Il peut cliquer et saisir du texte sur un écran, écrire et exécuter du code, et appeler des outils Model Context Protocol (MCP) ou API au sein d'un même flux de travail. Cette flexibilité lui permet de gérer des tâches professionnelles nécessitant la combinaison de différentes méthodes d'interaction, comme naviguer dans une application de bureau héritée tout en interrogeant simultanément une API web moderne.

En parallèle des principaux modèles Holo4, H Company a publié Holotron4 Nano, une version mise à jour de sa pile de post-entraînement appliquée au modèle Nemotron 3 Nano Omni. Ce modèle plus petit démontre que la recette d'entraînement utilisée pour Holo4 peut être transférée efficacement à d'autres modèles de base, améliorant considérablement leurs performances sur les flux de travail GUI et les bacs à sable de codage. L'entreprise a également open-sourcé chaque trajectoire derrière ses scores de benchmark, permettant aux développeurs de rejouer chaque étape du processus de prise de décision de l'agent.

Comment cela fonctionne

Holo4 a été entraîné en utilisant une combinaison de réglage supervisé (supervised fine-tuning) et d'apprentissage par renforcement sur un vaste jeu de données généré par l'Agentic Task Factory interne de H Company. Cette usine construit automatiquement des environnements interactifs et des tâches vérifiables à partir de documentations, de captures d'écran et de logiciels réels. Elle a produit environ 10 000 tâches couvrant les applications web, les serveurs MCP et les environnements de bureau. Le processus d'entraînement garantit que les tâches ne sont conservées que si elles passent des portes de vérification strictes, échouant sur les graines non modifiées et réussissant sur les états dorés.

Le pipeline d'entraînement implique trois étapes clés. Premièrement, le modèle subit un réglage supervisé sur 127 milliards de jetons, dont environ 75 % consistent en des trajectoires agentiques réussies provenant de l'usine de tâches. Deuxièmement, deux experts LoRA spécialisés sont entraînés en utilisant l'apprentissage par renforcement asynchrone en ligne sur des tâches à long terme : un expert se concentre sur les interactions de bureau et web, tandis que l'autre gère l'utilisation du terminal, de MCP et des API. Enfin, ces experts sont fusionnés dans le modèle ajusté avec un poids égal, créant un modèle unique qui combine des compétences générales avec des capacités spécialisées.

Détails clés

• Holo4 27B atteint un score de 85,2 % sur OSWorld pour un coût de 0,08 $ par tâche.
• Le modèle Mixture of Experts 35B-A3B obtient un score de 80,8 % sur OSWorld pour 0,05 $ par tâche.
• Sur OSWorld 2.0, qui teste les longs flux de travail informatiques, Holo4 27B obtient un score de 61,7 % avec un taux de réussite de 41,5 %.
• Le modèle prend en charge une fenêtre de contexte de 256K jetons d'entrée et 1M jetons de sortie.
• Les poids sont disponibles sur Hugging Face aux formats BF16, FP8, NVFP4 et GGUF 4 bits.
• Holotron4 Nano améliore le score GUI CUA d'OSWorld du modèle Nemotron 3 Nano Omni de 21,0 % à 76,3 %.

Pourquoi c'est important

Pour les ingénieurs développant des automatisations pilotées par l'IA, la capacité d'interagir avec n'importe quelle interface est cruciale. Les flux de travail professionnels réels sont rarement cloisonnés uniquement aux API ou uniquement aux GUI. Une tâche peut nécessiter l'extraction de données depuis un lecteur PDF, leur saisie dans un formulaire web, puis le déclenchement d'un processus backend via une API. L'approche généraliste de Holo4 signifie que les développeurs n'ont pas besoin de maintenir des modèles séparés ou une logique de routage complexe pour différentes plateformes. Cela simplifie l'architecture des systèmes agentiques et réduit les frictions lors de l'intégration de l'IA dans des systèmes hérités dépourvus d'API robustes.

L'efficacité des coûts est un autre facteur significatif. Holo4 rivalise avec des modèles fermés de pointe sur de nombreux benchmarks, mais à une fraction du prix. Par exemple, bien qu'Opus 5.5 obtienne un score supérieur sur OSWorld 2.0, il coûte 8,48 $ par tâche contre 1,22 $ pour Holo4 27B. Cette différence de coût rend possible la réalisation d'évaluations plus approfondies et le déploiement d'agents dans des environnements de production où les contraintes de marge sont serrées. La nature open-weight des modèles permet également le déploiement local et la personnalisation, répondant aux préoccupations de confidentialité des données qui entravent souvent l'adoption des services IA cloud par les entreprises.

Ce que vous pouvez faire

• Accédez aux modèles Holo4 27B et 35B-A3B via l'API H Models pour tester leurs performances sur vos flux de travail spécifiques.
• Téléchargez les poids des modèles depuis Hugging Face dans votre format de précision préféré pour une inférence locale ou un réglage fin.
• Consultez les trajectoires open-sourcées sur trajectories.hcompany.ai pour comprendre comment le modèle aborde les tâches complexes multi-étapes.
• Expérimentez avec Holotron4 Nano si vous travaillez avec des contraintes d'infrastructure plus légères ou souhaitez appliquer la recette d'entraînement agentique à d'autres modèles de base.
• Utilisez les benchmarks fournis comme point de référence pour évaluer vos propres systèmes agentiques, en particulier pour les tâches à long terme sur OSWorld 2.0.
• Intégrez des outils MCP dans votre environnement pour tirer parti de la prise en charge native de Holo4 pour l'appel standardisé d'outils en parallèle des interactions GUI.