Holo4 : des modèles ouverts pour agents informatiques

Ce que H Company a réellement publié

Ce qui retient l’attention n’est pas seulement la taille des modèles, mais le caractère concret de la sortie : Holo4 est conçu pour piloter le web, le bureau et les interfaces mobiles. Dans son annonce du 28 septembre 2026, H Company présente cette famille comme des modèles généralistes de computer use à poids ouverts.

La gamme comprend deux architectures distinctes. Holo4-27B est un modèle vision-language dense basé sur Alibaba Qwen3.8-27B, tandis que Holo4-35B-A3B utilise une architecture sparse mixture-of-experts basée sur Alibaba Qwen3.6-35B-A3B, avec environ 3B de paramètres actifs. La fiche du modèle 27B annonce une fenêtre de contexte de 262 144 tokens.

Les poids sont publiés en BF16, FP8, NVFP4 et GGUF quatre bits. Ce n’est pas un simple choix de formats : H Company destine ces modèles au déploiement local, y compris sur des configurations à un seul GPU, même si les besoins précis dépendent de la représentation des poids retenue.

Selon les documents officiels de H Company, le modèle dense a obtenu 61,7 % sur OSWorld 2.0, contre 30,9 % pour la version MoE. Sur OSWorld, les résultats indiqués sont de 85,2 % et 80,8 %, pour des coûts déclarés par tâche de 0,08 et 0,05 dollar respectivement. Ces chiffres ne doivent pas être mélangés : les versions du benchmark et les protocoles d’évaluation diffèrent.

Pourquoi les poids ouverts changent vraiment la donne

Le changement central est simple : il devient possible d’étudier et de déployer un agent informatique sans dépendre obligatoirement d’une API fermée. Les poids ouverts et quantifiés permettent de reproduire les évaluations, de modifier la pile d’exécution et de tester le comportement du modèle sur ses propres interfaces.

Mais les résultats soulignent aussi une nuance d’ingénierie peu confortable : moins de paramètres actifs ne signifie pas automatiquement une qualité d’action équivalente. Holo4-35B-A3B peut être plus intéressant en coût d’exécution, mais il reste derrière la version dense dans les tests cités, surtout sur OSWorld 2.0. Réduire le calcul n’a de sens que si les erreurs de l’agent n’annulent pas ce gain.

Au-delà d’une ligne flatteuse dans un classement, il faut examiner la stabilité des longues séquences d’actions, la latence de la boucle visuelle et la récupération après un clic erroné. Les poids ouverts rendent cette vérification possible, sans garantir le résultat. La vraie question est de savoir si l’avantage de Holo4-27B dans les tableaux officiels se retrouvera dans des interfaces vivantes et changeantes.

Nous avons précédemment couvert le revirement d’Anthropic sur les dégradations silencieuses des requêtes Claude et ce qu’il a révélé sur la transparence des modèles. Ce débat apporte un contexte utile pour évaluer les analyses partagées par le chercheur de Humanistic AI.