Segnalazione automatica

H Company presenta Holo4, modelli agentici per l'uso del computer su GUI, codice, MCP e API

H Company ha annunciato Holo4, una serie di modelli agentici in due dimensioni, 27B dense e 35B-A3B Mixture of Experts, disponibili tramite la H Models API. Secondo l'azienda interagiscono con il software attraverso interfacce diverse, tra cui GUI, codice, MCP e API, e sono addestrati con apprendimento supervisionato e per rinforzo su ambienti e attività generati internamente. Rilasciata anche Holotron4 Nano.

Fonte originale: Hugging Face — blog 2 min di letturaScheda compilata il 28 settembre 2026

Data di pubblicazione riportata dalla fonte: 28 settembre 2026. Non indica l’entrata in vigore di una norma.

Sintesi automatica di una fonte primaria, sottoposta a controlli automatici. Consulta il documento originale per il contesto completo.

La segnalazione

Come leggere questa scheda

Le dichiarazioni sono attribuite alla fonte. Questa scheda non certifica prestazioni, conformita o stato di vigenza di norme e non sostituisce una valutazione professionale.

AI Hugging Face — blog

Gradio presenta gr.Workflow: pipeline AI come grafi di nodi con API REST e deploy automatico

Hugging Face illustra gr.Workflow, funzionalita' integrata in Gradio che rappresenta le pipeline AI come grafi di nodi tipizzati (input, operatori e output) con canvas drag-and-drop, risultati intermedi visibili e ogni output esposto come endpoint REST richiamabile da Python o curl. Il deploy su Hugging Face Spaces avviene con un solo comando e i nodi possono eseguire modelli su GPU.

Multiverse Computing presenta il metodo Quantization-Aware Healing per modelli LLM compressi a 4 bit

Il blog di Hugging Face illustra il paper di Multiverse Computing sul Quantization-Aware Healing, tecnica che distilla da un modello originale pre-compressione invece che dal checkpoint recuperato. Applicata a GPT-OSS 120B compresso a 60B e quantizzato in MXFP4, l'azienda riporta risultati superiori al proprio checkpoint bfloat16 su 7 benchmark su 9, con guadagni maggiori su ragionamento a contesto lungo e matematica, e minore instabilita' rispetto al quantization-aware training.