Holo4, modelli agentici che controllano software tramite qualsiasi interfaccia
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Due varianti (27B dense e 35B‑A3B MoE) pensate per agenti generalisti in flussi di lavoro aziendali.
Holo4 controlla software via GUI, codice, MCP e API. La serie arriva in due taglie: Holo4‑27B e Holo4‑35B‑A3B. Accanto ai modelli principali compare una versione aggiornata di Holotron 3, chiamata Holotron4 Nano. I modelli sono accessibili tramite H Models API1.
L’azienda pubblica una collezione con tre formati: FP16, FP8 e GGUF. Nella stessa pagina compaiono Holo4‑27B, Holo4‑35B‑A3B e Holotron4 Nano. Sono disponibili anche le traiettorie di esecuzione, con un viewer e un dataset dedicato, per osservare come i modelli affrontano i compiti presenti nel set pubblico. Un quickstart guida l’uso tramite H Models API, mentre un post nella newsroom ufficiale fornisce contesto e dettagli operativi1.
Il punto chiave è l’interfaccia. Gli autori criticano un limite diffuso: agenti addestrati su un solo canale restano “ciechi” fuori dal proprio perimetro. Un modello focalizzato sulla GUI fallisce senza schermo. Uno centrato sulle tool call si blocca davanti a un’applicazione. Holo4 seleziona di volta in volta il mezzo più adatto — click, input, codice o chiamate a strumenti — per portare a termine il compito1.
L’addestramento è ibrido. Combina apprendimento supervisionato e rinforzo su ambienti e compiti vari, inclusi quelli generati con l’Agentic Task Factory. Gli autori riportano risultati su benchmark accademici e indicano come obiettivo l’uso in “real business workflows”. La documentazione collega questi elementi alla capacità di scegliere l’interfaccia in base al contesto operativo1.
La collezione su Hugging Face concentra riferimenti e risorse in un unico punto. Dalla pagina “Get started now” si raggiungono: modelli, formati, traiettorie, API e post di approfondimento. Chi vuole provare Holo4 può scaricare il formato preferito, esplorare le esecuzioni nel viewer e seguire la guida rapida per integrare i modelli via API. Il percorso riduce il tempo tra annuncio e test pratico, con istruzioni e file nello stesso luogo1.
La disponibilità delle traiettorie con viewer e dataset permette verifiche concrete. Si può controllare, passo dopo passo, come Holo4 sceglie l’interfaccia e risolve i compiti negli ambienti pubblicati. Questo materiale consente di valutare sul campo la promessa di un controllo coerente su GUI, codice e strumenti, senza cambiare modello né flusso di lavoro1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.