H Company publie Holo4, des modèles open-weight qui pilotent ordinateur, web, Android et API (clics, code, appels d'outils)
H Company a publié Holo4, une famille de modèles généralistes d'utilisation d'ordinateur pour agents d'IA. Un seul jeu de poids clique et tape sur des écrans, écrit du code et appelle des outils MCP ou des API. Deux tailles existent : Holo4 27B (dense), affiné à partir de Qwen3.8-27B, et Holo4 35B-A3B (mélange d'experts, 3 milliards de paramètres actifs), construit sur Qwen3.6-35B-A3B. Tous deux offrent un contexte de 256K sur l'API H Models. Le 35B-A3B est distribué sous licence Apache 2.0, ce qui autorise l'auto-hébergement commercial, tandis que le 27B est sous CC BY-NC 4.0 et son usage commercial passe par l'API. Sur OSWorld, le 27B atteint 85,2 % pour 0,08 $ par tâche, contre 84,3 % pour 0,22 $ avec son modèle de base. Il obtient 85,1 % sur AndroidWorld. Sur OSWorld 2.0, consacré aux longs workflows, il plafonne à 61,7 % pour 1,22 $ par tâche, quand Claude Opus 5.5 affiche 81,8 % pour 8,48 $, selon les chiffres de H. Sur AutomationBench, il totalise 45,4 % pour 0,05 $ par tâche, et 49,3 % sur les 120 tâches écartées de l'entraînement. L'entreprise publie toutes les trajectoires sur Hugging Face.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
L'intérêt tient à l'unification. Les agents qui ne voient que l'écran échouent quand aucune interface n'est disponible, et ceux qui n'appellent que des outils calent quand une application n'a pas d'API. Holo4 fonctionne de la même façon sur bureau, web, Android, bacs à sable de code et API métier. Le rapport coût-performance est frappant : un score proche de la frontière sur les tâches courantes pour une fraction du prix. La tarification est de 0,40 $ en entrée et 3,00 $ en sortie par million de tokens pour le 27B, et de 0,30 $ et 2,00 $ pour le 35B-A3B, via une API compatible OpenAI. Les poids existent en BF16, FP8, NVFP4 et GGUF 4 bits, avec inférence locale documentée sous vLLM et llama.cpp. Des précautions s'imposent : les scores des modèles de pointe proviennent de harnais et de niveaux d'effort différents, et 480 des 600 tâches publiques d'AutomationBench relèvent du découpage ayant servi à collecter des données d'entraînement. L'écart sur les tâches longues reste net.
Ce résultat découle d'un travail sur les données et l'entraînement. Une « usine à tâches » a produit environ 10 000 tâches vérifiables (4 000 web, 3 000 serveurs MCP, 3 000 bureau et système), retenues seulement si leur vérificateur rejette les quasi-réussites. Le jeu de fine-tuning supervisé compte 127 milliards de tokens, dont environ trois quarts de trajectoires réussies. Deux experts LoRA entraînés par apprentissage par renforcement asynchrone, l'un pour bureau et web, l'autre pour terminal, MCP et API, sont fusionnés à poids égal sans entraînement supplémentaire. La boucle d'agent a aussi été refaite après analyse des échecs sur OSWorld 2.0, avec une mémoire fiable sur des centaines d'étapes et un shell sur la machine. H Company a également lancé Holotron4 Nano, bâti sur Nemotron 3 Nano Omni de NVIDIA, qui fait passer OSWorld de 21,0 % à 76,3 %. Des checkpoints de brouillon DSpark, destinés à accélérer l'inférence, sont annoncés dans les prochains jours.
H Company, entreprise française, publie des modèles d'agents open-weight dont l'un sous licence Apache 2.0, auto-hébergeable par les entreprises européennes pour automatiser des tâches sur ordinateur.