Dos modelos para combinar formas de interacción
H Company presentó Holo4 como una familia de modelos para agentes que trabajan con software. La propuesta central no es solo controlar una pantalla: el modelo puede hacer clic y escribir en una interfaz gráfica, crear y ejecutar código, y llamar herramientas conectadas mediante MCP o API. Según la tarea, puede recurrir a una u otra vía y combinarlas.
La familia tiene dos variantes: Holo4-27B, un modelo denso de 27.000 millones de parámetros, y Holo4-35B-A3B, una mezcla de expertos con 35.000 millones de parámetros en total. La empresa afirma que ambas están disponibles a través de H Models API y que también publicó pesos para descarga. La disponibilidad de pesos no significa que las condiciones de uso sean idénticas: antes de integrar cualquiera de las variantes hay que revisar la ficha y la licencia vigentes del modelo concreto.
Qué interfaces y tareas cubre la propuesta
H Company menciona uso en equipos de escritorio, la web y Android, además de espacios aislados para ejecutar código y conexiones con API empresariales. El planteamiento intenta evitar que un agente dependa de una única interfaz: una tarea puede empezar en una aplicación gráfica, continuar con código y terminar mediante una herramienta o una API, si el entorno proporciona esos recursos.
Esto es relevante porque una interfaz gráfica y una API no ofrecen las mismas posibilidades. En una pantalla, el agente debe interpretar lo que ve y actuar sobre controles; una API, en cambio, permite intercambiar datos mediante operaciones definidas. MCP es un protocolo para conectar modelos con herramientas. La publicación presenta a Holo4 como un mismo modelo que puede utilizar estas opciones, pero no establece que cada aplicación, cuenta o servicio sea compatible de manera automática: la integración y los permisos dependen del entorno que lo ejecute.
Benchmarks: resultados útiles, pero no intercambiables
La publicación informa que Holo4-27B obtuvo un 61,7 % en OSWorld 2.0, una evaluación de tareas de control de escritorio, y que Holo4-35B-A3B alcanzó un 30,9 %. También compara modelos en AutomationBench, una prueba centrada en el uso de herramientas y API. La empresa indica que sus resultados de AutomationBench v1.0.6 se midieron en un entorno interno y que informará los resultados de Holo4 en el conjunto privado cuando complete esa evaluación.
Estas cifras deben leerse junto con las condiciones de cada prueba. La publicación advierte que las comparaciones pueden combinar versiones de modelos, harnesses, subconjuntos de tareas y niveles de esfuerzo diferentes. En OSWorld 2.0, parte de los costes se estima a partir de los tokens de cada ejecución; en AutomationBench, algunos modelos se comparan con puntuaciones de conjuntos públicos, mientras que los costes de referencia pueden proceder de una clasificación basada en el conjunto privado. Por tanto, una cifra aislada no permite concluir que un modelo sea mejor en todos los escenarios ni comparar directamente el coste real de una operación empresarial.
Cómo interpretar la evidencia publicada
| Evidencia | Qué permite observar | Qué no demuestra por sí sola |
|---|---|---|
| OSWorld 2.0: 61,7 % para Holo4-27B y 30,9 % para Holo4-35B-A3B, según la publicación | Rendimiento comunicado en una evaluación de tareas de escritorio | Éxito uniforme en cualquier sistema operativo, aplicación o flujo real |
| AutomationBench v1.0.6 en el harness interno de H Company | Resultados bajo la configuración y el conjunto descritos por la empresa | Comparación plenamente equivalente con cifras obtenidas en otros harnesses o particiones |
| Trayectorias de ejecución publicadas para benchmarks | Permite inspeccionar pasos concretos de algunas ejecuciones | Que todas las ejecuciones sean reproducibles o que no haya fallos fuera de esos ejemplos |
Demostraciones y trazas: qué se puede comprobar
H Company muestra ejemplos en FreeCAD y Godot junto con comparaciones frente a un modelo base. Entre las tareas figuran construir una representación 3D de la Torre Eiffel y un juego estilo Pac-Man que funcione sin intervención del teclado. Son demostraciones concretas de desarrollo de software y control de herramientas, no una medida suficiente del rendimiento general: una tarea puede necesitar muchas llamadas, consumir una gran cantidad de tokens y aun así no representar el comportamiento medio en producción.
La empresa también dice que publica trayectorias de sus resultados en benchmarks para que se puedan revisar o descargar. Esa transparencia puede ayudar a examinar acciones y errores de una ejecución particular. Para convertir las demostraciones en evidencia reproducible, hace falta comprobar la versión del modelo, el prompt, el entorno, las herramientas disponibles, el número de intentos y los criterios usados para declarar una tarea completada. La publicación no elimina la necesidad de repetir las pruebas en el sistema donde se quiera desplegar el agente.
Proceso práctico para evaluar Holo4 en un flujo propio
- 01Definir tareas representativas y un resultado verificable para cada una, no solo instrucciones abiertas.
- 02Preparar un entorno de prueba con las mismas aplicaciones, herramientas, datos y permisos previstos para el uso real.
- 03Registrar modelo, configuración, llamadas, tiempo, consumo y errores; incluir tareas que el agente no debería completar.
- 04Repetir cada tarea varias veces y comparar el resultado con una alternativa y con una ejecución humana de referencia.
- 05Revisar las trazas y probar cambios de interfaz, datos incompletos y fallos de herramientas antes de considerar un despliegue.
Acceso, licencias y límites de despliegue
La publicación oficial señala que los dos tamaños están disponibles en H Models API y que los pesos se ofrecen en formatos como FP16, FP8 y GGUF. También menciona una variante pequeña llamada Holotron4 Nano y anuncia checkpoints optimizados para DSpark en los días posteriores a la publicación. La disponibilidad en una API y la descarga de pesos son vías distintas: la primera depende del servicio y sus condiciones; la segunda requiere infraestructura para ejecutar el modelo y revisar las condiciones de licencia de cada versión.
El anuncio no ofrece una garantía de autonomía segura ni especifica un sistema universal de permisos para las acciones. En una integración real, el operador debe decidir qué aplicaciones, archivos, API y acciones quedan al alcance del agente. Conviene separar lectura y escritura, restringir operaciones sensibles, exigir confirmación humana para cambios irreversibles y conservar registros. Estas son medidas de despliegue prudente, no salvaguardas que deban darse por incorporadas a Holo4 sin documentación específica.
Qué cambia y qué queda por demostrar
Holo4 plantea una arquitectura práctica para tareas que saltan entre pantalla, código y herramientas, y publica pesos, ejemplos y resultados de evaluación. Para equipos que estudian automatización, la noticia es una opción adicional que puede probarse en flujos delimitados, especialmente si las herramientas necesarias están disponibles y se pueden evaluar sus resultados de forma objetiva.
La evidencia anunciada no basta para afirmar que Holo4 sea un agente de propósito universal, que supere a otros modelos en condiciones idénticas o que opere de forma fiable sin supervisión. Las diferencias entre pruebas, harnesses y conjuntos de tareas limitan las comparaciones directas. La decisión razonable es tratar las cifras como resultados comunicados por H Company y validar el modelo en tareas propias, con controles de acceso y pruebas de fallo antes de confiarle acciones importantes.
Qué sigue abierto
- Los benchmarks y las estimaciones de coste dependen de versiones, harnesses, subconjuntos de tareas y configuraciones que no siempre son equivalentes entre modelos.
- H Company indica que publicará resultados de Holo4 en la partición privada de AutomationBench después de evaluarlo; ese dato no está confirmado en la información disponible.
- La documentación aportada no permite establecer una tasa general de fallos en producción ni una garantía de funcionamiento seguro y autónomo.
- Las licencias concretas de cada variante deben verificarse en las fichas vigentes de los modelos; no se infieren aquí a partir de fuentes secundarias.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección