Holo4 startet generalistische Computer-Agenten

H Company hat mit Holo4 eine neue Generation agenticer KI-Modelle vorgestellt, die darauf ausgelegt ist, komplexe Geschäftsarbeitsabläufe über verschiedene Softwareoberflächen hinweg zu automatisieren. Die Modellserie umfasst zwei Varianten: ein dichtes Modell mit 27 Milliarden Parametern und ein Mixture-of-Experts-Modell mit 35 Milliarden Gesamt- sowie 3 Milliarden aktivierten Parametern (35B-A3B). Zusätzlich wurde das Nachfolgeprodukt Holotron4 Nano auf Basis des Nemotron 3 Nano Omni freigegeben. Alle Modelle sind über die H Models API sowie über verschiedene Quantisierungen auf Hugging Face verfügbar. Der zentrale Unterschied zu bestehenden Agentenmodellen liegt in der universellen Schnittstellenkompetenz. Während viele KI-Systeme entweder auf grafische Benutzeroberflächen oder auf Programmierschnittstellen spezialisiert sind, agiert Holo4 plattformübergreifend. Das Modell kann mit Desktop-Anwendungen, Webbrowsern, Android-Geräten, Code-Sandboxes und Unternehmens-APIs interagieren, indem es Tastatureingaben simuliert, eigenen Code generiert oder MCP- und API-Aufrufe ausführt. Die Architektur verzichtet auf modell-spezifische Plattformsplitterung und basiert auf einer einzigen zugrunde liegenden Architektur, die nahtlos zwischen den Interaktionsmodi wechselt. Das Training erfolgte durch eine Kombination aus überwachtem Lernen und Bestärkendem Lernen auf einer internen Pipeline namens Agentic Task Factory. Diese generiert verifizierbare Aufgaben aus technischer Dokumentation, Screenshots und offenen Softwareumgebungen. Die aktuelle Trainingsdatenbank umfasst rund zehntausend Aufgaben aus Webbewirtschaftung, MCP-Servern und hybriden Desktop-Umgebungen. Ergänzend wurde der Evaluierungs-Harness aktualisiert, um die Langzeitgedächtnisleistung und die Fehleranalyse über Hunderte von Arbeitsschritten hinweg zu optimieren. Auf akademischen Benchmarks wie OSWorld 2.0 zur Desktop-Automatisierung und AutomationBench für API-Steuerungen erzielt Holo4 Ergebnisse, die mit den führenden geschlossenen Modellen mithalten, jedoch bei einem Bruchteil der Rechenkosten und Parameteranzahl. Um Transparenz und Reproduzierbarkeit zu gewährleisten, veröffentlicht das Unternehmen vollständige Interaktionstrajektorien öffentlich. In Praxisanwendungen demonstriert die 27B-Variante erfolgreich komplexe Aufgaben wie die präzise parametrische 3D-Modellierung in FreeCAD oder die autonome Entwicklung und den Dauereinsatz eines Pac-Man-konformen Spiels in Godot. Als Mitglied der NVIDIA Nemotron Coalition hat H Company seine Nachtrainingsmethode erfolgreich auf externe Basisarchitekturen übertragen, was durch Holotron4 Nano bestätigt wird. Künftig werden optimierte DSpark-Drafter-Checkpoints veröffentlicht, um die Inferenzgeschwindigkeit weiter zu steigern. Mit der vollständigen Offenlegung der Gewichte in BF16, FP8, NVFP4 und 4-bit GGUF positioniert sich Holo4 als offene, kosteneffiziente Alternative für unternehmensweite KI-Automatisierung, die speziell auf reale Produktionsanforderungen und nicht auf isolierte Benchmark-Daten ausgerichtet ist.