Hecho: H presentó Holo4 el 28 de septiembre en dos variantes: una densa de 27.000 millones de parámetros y otra Mixture of Experts de 35.000 millones, identificada como 35B-A3B. La publicación de H Company en Hugging Face describe un agente que puede operar interfaces gráficas, escribir y ejecutar código, y llamar herramientas por MCP o API. La firma también anunció Holotron4 Nano, una adaptación de su receta de agentes sobre Nemotron 3 Nano Omni.
La apuesta es unificar tareas que hoy suelen quedar repartidas entre modelos distintos: clicar y tipear en una interfaz, resolver mediante código cuando conviene y usar una API si el sistema la ofrece. H afirma que la misma familia corre en escritorio, web, Android, un sandbox de código y APIs empresariales. Son capacidades y compatibilidades declaradas por el fabricante; no equivalen a una auditoría independiente de cada aplicación con la que podría interactuar.
En OSWorld 2.0, un benchmark para flujos largos de trabajo en escritorio, H informa 61,7% para Holo4 27B y 30,9% para 35B-A3B, frente a 81,8% para Opus 5.5 en la comparación de su tabla. En otra medición de OSWorld, la compañía atribuye 85,2% a la variante 27B. Son evaluaciones diferentes y no se deben mezclar como si midieran el mismo conjunto de tareas. H indica que las cifras propias son promedios de entre dos y cuatro ejecuciones; para algunos sistemas cerrados utiliza resultados públicos obtenidos con otros harnesses y niveles de esfuerzo.
Contraste independiente: Tobias Mann, de The Register, describe el lanzamiento como una respuesta al problema de navegar GUIs, pero pide cautela con los benchmarks de fabricantes. Su lectura de las tablas es que puntajes más altos no implican automáticamente menor costo: en varios casos, Holo4 puede costar más por tarea que modelos con menor puntuación, posiblemente por el volumen de tokens de razonamiento que utiliza. Ese análisis es independiente de las cifras publicadas por H, aunque no constituye una repetición completa de las pruebas.
Pesos abiertos, pero no evaluación abierta total
H ofrece los pesos en formatos BF16, FP8, NVFP4 y GGUF, lo que permite probarlos en distintas configuraciones de hardware. La disponibilidad de GGUF amplía las posibilidades de ejecución local, pero no elimina requisitos de memoria, velocidad de inferencia ni condiciones de licencia. El artículo de H señala que publicará trayectorias de evaluaciones para que terceros puedan revisar pasos concretos; la compañía también anticipa checkpoints para speculative decoding, que todavía no estaban disponibles al momento del anuncio.
Opinión: lo interesante no es la promesa de que un único modelo resuelve cualquier interfaz, sino que este tipo de agentes desplaza la evaluación desde «¿respondió bien?» hacia «¿qué acciones ejecutó y cuánto costó completarlas?». Una comparación seria debería publicar pasos reproducibles, costos completos y tasa de tareas terminadas sin intervención. H dice que libera trayectorias de benchmark; falta ver cuántos equipos podrán reproducirlas en entornos propios.
Para organizaciones de la región, el acceso a pesos descargables puede ser útil cuando la conectividad o la residencia de datos importan. Pero autoalojar un agente también traslada al operador la seguridad del sandbox, los permisos de herramientas y el monitoreo. El carácter abierto de los pesos no convierte en abierto ni transparente todo el sistema. Por ahora, las cifras destacadas son del fabricante y la principal advertencia independiente consultada es sobre costos y comparabilidad.
Fuentes: H Company/Hugging Face, anuncio y datos de pruebas; The Register, análisis independiente; Mike Fluff en DEV Community, resumen técnico.




