#

Points clés

• H Company a annoncé Holo4 le 28 septembre 2026.

• La sortie comprend un modèle dense de 27B et un modèle mixture-of-experts 35B-A3B.

• Holo4 est disponible via l'API H Models, avec des poids également sur Hugging Face.

• Le système combine interfaces graphiques, exécution de code, MCP et outils API.

• La source rapporte des résultats de benchmark, mais elle note aussi des limites de comparaison claires.

H Company présente Holo4

H Company a annoncé Holo4 dans un article d'équipe sur Hugging Face. La sortie présente Holo4 comme une série de modèles généralistes pour l'usage informatique. Elle introduit aussi Holotron4 Nano comme successeur dans la gamme des petits modèles.

La source indique que la série comprend deux modèles principaux. L'un est un modèle dense de vingt-sept milliards de paramètres. L'autre est un modèle mixture-of-experts décrit comme 35B-A3B.

À quoi Holo4 est destiné

Holo4 est conçu pour combiner plusieurs outils dans un même flux de travail. La source cite les interfaces graphiques, l'exécution de code, le Model Context Protocol et les outils API. Elle indique aussi que les environnements pris en charge incluent les ordinateurs de bureau, les applications web, Android et les bacs à sable de codage.

Cela rend la sortie plus large qu'un modèle à tâche unique. Elle est présentée comme un système d'usage informatique dans différents environnements. La source ne revendique pas un travail fiable sans supervision, donc cette limite reste importante.

Sources d'entraînement et de tâches

H Company indique que l'apprentissage supervisé et l'apprentissage par renforcement ont utilisé des environnements et des tâches issus de son Agentic Task Factory. Le blog mentionne environ dix mille tâches. Ces tâches couvrent les environnements web, desktop et MCP.

La source indique aussi que les trajectoires de benchmark publiées peuvent être consultées ou téléchargées. Cela offre aux lecteurs un moyen d'examiner le matériel d'évaluation rapporté. Cela suggère aussi que la sortie est destinée à être examinée, et pas seulement consommée comme une simple affirmation produit.

Résultats de benchmark rapportés

L'entreprise rapporte des résultats OSWorld 2.0 pour les deux modèles principaux. Holo4 27B obtient un score de 61,7 %. La variante mixture-of-experts est annoncée à 30,9 %.

La source ajoute une mise en garde importante. Les versions de benchmark, les harness et les sous-ensembles de tâches diffèrent. Par conséquent, les comparaisons doivent tenir compte de leurs limites. L'entreprise indique aussi que l'amélioration de la mémoire et un shell sur la machine desktop ont été des changements importants du harness.

Accès et packaging

La sortie indique que les deux modèles sont disponibles via l'API H Models. Elle précise aussi que les poids des modèles sont publiés sur Hugging Face dans plusieurs formats. Cela signifie que la sortie ne se limite pas à un seul mode d'accès.

La source mentionne également des checkpoints supplémentaires d'accélération de l'inférence prévus pour plus tard. Aucun détail supplémentaire n'est fourni. La sortie doit donc être lue comme un déploiement actif du modèle, et non comme un point final.

Considérations opérationnelles

La source ne fournit aucune garantie de travail fiable sans supervision. C'est une limite directe de la sortie. Elle ne vérifie pas non plus de déploiement commercial au Maroc ni d'accès à un service spécifique à un pays.

Pour les lecteurs, le point opérationnel principal est simple. Les scores de benchmark rapportés aident à comparer, mais ils ne suppriment pas le besoin d'évaluation. La source elle-même souligne que les changements de harness et les sous-ensembles de tâches influencent l'interprétation.

Pertinence pour le Maroc

La source ne rapporte aucun déploiement vérifié ni aucun accès au service spécifique au Maroc. Le seul enseignement sûr est conditionnel et global : si une équipe évalue des modèles similaires pour l'usage informatique, elle devrait les tester dans son propre flux de travail avant adoption.

En bref

Holo4 est présenté comme une série de modèles d'usage informatique multi-environnements avec accès API et poids publiés. La sortie combine packaging du modèle, entraînement basé sur des tâches et rapport de benchmark dans une seule annonce. En même temps, la source garde les limites claires, notamment sur la comparaison des benchmarks et la fiabilité sans supervision.