Holo4 este noua serie de modele agentice de la H Company, lansată pe 28.09.2026 în două variante, 27B dense și 35B-A3B Mixture of Experts, disponibile pe H Models API și pe Hugging Face. Modelul interacționează cu software prin GUI, cod, MCP și API-uri, iar pe OSWorld 2.0 atinge 61,7%, sub modelele închise de top, dar la un cost mult mai mic. Sursa: Hugging Face.

De ce contează un agent care nu alege interfața

Majoritatea modelelor agentice de azi sunt antrenate pentru o singură cale de acces. Cele orientate spre GUI sunt oarbe fără ecran, cele care preferă tool calling se blochează în fața unei aplicații fără API. H Company atacă exact această limită: Holo4 rulează pe desktop, pe web, pe Android, într-un sandbox de cod și direct împotriva API-urilor de business, iar utilizatorul nu trebuie să schimbe modelul în funcție de platformă.

Ăsta e punctul interesant pentru oricine lucrează cu automatizări. În practică, un task real nu stă într-o singură cutie. Extragi date dintr-un portal fără API, le treci printr-un serviciu care are API, verifici rezultatul într-un dashboard unde nu ai alt acces decât vizual, apoi rulezi un script. Un model mono-interfață se rupe la al doilea pas. Unul care comută între GUI, cod și MCP poate duce lanțul până la capăt.

H Company spune explicit că nu a construit modelul pentru benchmark-uri, ci pentru fluxuri reale de business. Rămâne de verificat cât de bine se traduce asta în operațiuni de marketing, dar arhitectura merge în direcția corectă.

Cifrele de pe OSWorld 2.0, citite corect

Aici e nevoie de disciplina pe care o impunem și în munca noastră zilnică: distinge măsuratul de presupus.

Ce spune sursa: pe OSWorld 2.0, Holo4 27B ajunge la 61,7%, iar Holo4 35B-A3B la 30,9%. Referința dată pentru Opus 5.5 este 81,8%. Costurile din grafice sunt estimate din tokenii de input și output ai fiecărei rulări agentice, iar prețurile pentru modelele Qwen vin din listele Alibaba Cloud. H Company notează singură că release-urile, subseturile de task-uri și harness-urile diferă între punctele comparate.

Ce înseamnă asta: nu ai un clasament curat. Diferiți furnizori rulează pe seturi diferite, cu harness-uri diferite. Un scor mai mic nu înseamnă neapărat un model mai slab, la fel cum un scor mai mare nu garantează un cost mai mic pe taskul tău. Iar pentru AutomationBench, H Company spune clar că Holo4 a fost măsurat intern, pe setul public, și că scorul pe setul privat va fi raportat ulterior. Asta e transparență corectă, dar înseamnă că nu ai încă o validare externă pe partea de API use.

Recomandarea noastră: când cineva îți vinde un agent pe baza unui singur scor, cere-i setul, harness-ul și costul per task finalizat. Fără cele trei, cifra e marketing.

Ce arată exemplele de execuție

Sursa publică trei demo-uri cu Holo4 27B față în față cu Qwen3.8 27B, modelul de bază, pe același prompt și același harness. Un model 3D al Turnului Eiffel în FreeCAD, un logo H extrudat, un joc în stil Pac-Man construit în Godot și lăsat să ruleze singur, fără input de la tastatură.

Numărul de apeluri și tokenii consumați diferă: la Pac-Man, Holo4 27B consumă 68 de apeluri și 2,4 milioane de tokeni, în timp ce Qwen3.8 27B ajunge la 197 de apeluri și 11,4 milioane de tokeni. La modelul 3D al turnului raportul se inversează ușor, 84 de apeluri pentru Holo4 față de 60 pentru Qwen. Concluzia onestă: câștigul nu e uniform, depinde de tipul de task.

Partea trainable merită reținută. H Company a construit așa-numita Agentic Task Factory, un set de pipeline-uri care generează medii interactive și task-uri verificabile pornind doar de la documentație, cum ar fi screenshot-uri de site-uri reale sau software open-source. Până acum au produs în jur de 10.000 de task-uri peste aplicații web, servere MCP și medii desktop, inclusiv medii hibride care expun aceeași stare și prin GUI, și prin MCP. Antrenamentul a combinat supervised și reinforcement learning pe aceste medii.

Aici e lecția transferabilă pentru echipele de performance: dacă vrei un agent care chiar funcționează, nu ai nevoie doar de un model bun, ai nevoie de un set de task-uri verificabile și de un mod de a măsura eșecul pas cu pas. H Company a rebuild-uit harness-ul, bucla care execută acțiunile și gestionează contextul pe sute de pași, pe baza feedback-ului din performanța pe OSWorld 2.0. Cele mai mari schimbări au fost o memorie fiabilă pe sute de pași și un shell direct pe mașina desktop.

Dacă vrei să înțelegi de ce măsurarea corectă a rezultatului e mai importantă decât cifra afișată de platformă, avem un material relevant despre ROAS nu e adevărul absolut: ce măsori de fapt în 2026.

Holotron4 Nano și ce spune despre rețeta lor

Paralel, H Company lansează Holotron4 Nano, o versiune actualizată a Holotron 3. Ca membru al NVIDIA Nemotron Coalition, au aplicat aceeași rețetă de post-training pe modelul Nemotron 3 Nano Omni. Rezultatul: un model agentic generalist care îmbunătățește baza pe fluxuri GUI și în medii care expun MCP, API-uri sau sandbox-uri de cod.

Punctul important e că rețeta nu depinde de mărimea modelului. H Company afirmă explicit că nimic din ea nu e specific unei anumite dimensiuni. Asta sugerează că abordarea lor de a transforma un model generalist într-unul agentic e portabilă, nu un truc legat de un singur checkpoint.

Ponderea modelelor mici, specializate pe execuție, e o temă mai largă în 2026, iar ecosistemul de creatori folosește deja astfel de instrumente în producție, cum se vede în cazul Muse AI de la Meta: ce pot face creatorii pe Instagram. Direcția e aceeași: AI-ul preia execuția repetitivă, omul rămâne la decizie.

Livrarea e concretă. Ambele dimensiuni Holo4 sunt disponibile de la data publicării pe H Models API. Greutățile sunt pe Hugging Face în BF16, FP8, NVFP4 și 4-bit GGUF, alături de Holotron4 Nano. H Company anunță că va publica în zilele următoare checkpoint-uri optimizate DSpark drafter, pentru a accelera inferența.

Ce înseamnă pentru tine, antreprenor sau marketer român

Să fim direcți: nu ai nevoie de Holo4 ca să-ți rulezi magazinul online. Dar direcția în care merge te privește, pentru trei motive.

Primul, costul execuției scade. Dacă un agent poate opera un portal fără API, un dashboard, un CRM sau un tool intern, atunci task-urile care azi consumă ore de muncă manuală devin automatizabile. Pentru o firmă mică din România, asta poate însemna raportare, extragere de date, reconciliere de comenzi, actualizări de prețuri.

Al doilea, alegerea interfeței nu mai e o decizie tehnică pentru tine. Nu trebuie să știi dacă se rezolvă prin GUI sau prin API. Modelul decide. Asta mută efortul de la integrare la definirea corectă a task-ului și a criteriului de succes.

Al treilea, transparența pe care o cere piața. H Company publică toate traiectoriile din spatele scorurilor pe benchmark-uri publice, reproductibile pas cu pas sau descărcabile de pe Hugging Face. E un standard pe care ar trebui să-l ceri și de la restul furnizorilor cu care lucrezi. Când cineva îți promite o automatizare, întreabă ce se întâmplă la pasul 47, când ceva nu merge.

Partea de SEO și vizibilitate în AI Search e strâns legată de subiect, pentru că tot mai multe răspunsuri sunt generate de agenți care citesc și execută. Am scris despre ce contează în practică în SEO în 2026: 10 practici care contează și în AI Search.

Ce ai de făcut concret săptămâna asta, fără să cumperi nimic:

Limite și ce rămâne neconfirmat

Sursa nu spune nimic despre costul exact per task în lei, despre acorduri de procesare a datelor, despre disponibilitatea comercială în România sau despre SLA. Nu pretindem că avem aceste informații. Nu avem rezultate proprii pe Holo4 și nu l-am testat.

De asemenea, scorurile publicate de H Company pe AutomationBench sunt măsurate intern, pe setul public. Până la evaluarea pe setul privat, nu ai o validare independentă pe partea de API use. Iar comparațiile cu modelele închise vin din grafice proprii, cu subseturi și harness-uri care diferă.

Recomandarea noastră: tratează orice cifră ca pe o ipoteză până când o reproduci pe taskul tău. O verificare incompletă nu dovedește că o funcție nu există, dar nici nu o confirmă.

FAQ

Holo4 poate înlocui un angajat care lucrează în aplicații fără API? Nu ca înlocuitor complet. Poate executa pași repetitivi prin interfață vizuală sau cod, dar are nevoie de definirea clară a task-ului și de supraveghere umană. Sursa raportează scoruri de 61,7% pe OSWorld 2.0 pentru varianta 27B, ceea ce înseamnă că o parte semnificativă din task-uri nu se închid corect.

Ce e diferit față de alte modele agentice? Conform H Company, Holo4 e antrenat să lucreze prin orice interfață disponibilă, GUI, cod, MCP sau API, cu același model și același mod de apelare. Majoritatea modelelor agentice sunt optimizate pentru o singură cale de acces.

Unde pot testa modelele? Ambele dimensiuni sunt disponibile pe H Models API de la data publicării, iar greutățile sunt pe Hugging Face în BF16, FP8, NVFP4 și 4-bit GGUF, alături de Holotron4 Nano.

Concluzia ALLSoft Agency

AI-ul ajută real la analiză, la planificare și la execuția de sarcini repetitive. Holo4 arată că direcția e serioasă: un model care nu se rupe în funcție de interfață și care vine cu traiectoriile publice, nu doar cu un scor pe un slide.

Dar decizia și execuția rămân umane. Un media buyer știe ce task merită automatizat, ce criteriu de succes contează și când un rezultat de 60% e inacceptabil pentru bani reali. AI-ul propune, omul validează, iar bugetul îl mișcă cel care înțelege businessul.

Pasul concret îl face ALLSoft Agency. Fără hype, fără cifre inventate.