Hark 发布了 Handoff²,这是其 Hark Pro 应用中计算机使用智能体的第二个版本。Hark Handoff 2 计算机使用智能体完成网页任务的平均速度比原版快约 2 倍。Hark 表示,这些提升来自强化学习(RL),该训练对浪费的轮次和延迟进行了惩罚。对于构建浏览器智能体的团队来说,这是一个关于为速度而非仅准确率进行训练的案例研究。你可以通过我们的 GPULeaderboard.com Chrome 扩展查看部署选项和规格。
TL;DR
运行于:Hark 的云端。每个请求获得一台专用虚拟计算机。用户可通过 web、iOS 和 Android 访问。没有本地或量化选项。
性能:在 Hark 的 478 项任务内部基准测试中,任务完成率为 82%,端到端速度比 v1 快约 2 倍。
最佳:在 Hark 的内部对齐基准测试中达到 93.8%(v1:90.3%)。
最差:在同一测试框架下,82% 的浏览完成率仍落后 Claude Opus 5.5(max)最多 5 个百分点。
底线(最佳):航班预订速度最高快 3.8 倍,长时间研究速度快 5 倍以上。
底线(最差):Handoff² 的所有数字均为自报。目前尚无第三方评分。
什么是 Hark Handoff²?
Handoff² 是 Hark 推出的一款计算机使用智能体,它能像人一样操作网站。它在实时页面上点击、输入和滚动,而不是调用 API。Hark 于 8 月预览了 Handoff,并于 10 月在 Hark Pro 中发布。此后,Hark 表示已记录超过 560 万次浏览会话,并处理了超过 2000 万美元的购买。用户用它来购买杂货、预订航班、预约牙医、申请退款、填写保修表格和提交求职申请。
Handoff² 如何实现 2 倍提速?
Hark 共同演进两件事:智能体框架和 RL 训练配方。新框架让模型每轮能发出更多动作。随后训练对多余轮次、不必要的思考 token 和端到端延迟进行了惩罚。
模型学会了 3 个习惯:
批量动作,例如在 1 轮内填写多个表单字段。
将重复的动作模式分组为可复用的复合动作。
在任务进行中复用这些复合动作。
每个请求都在一台专用虚拟计算机上运行,配有独立的浏览器、文件系统和终端。模型输出针对屏幕坐标的光标和键盘操作。由于节省量会逐轮累积,收益在更长、浏览密集的任务上会不断增长。
Handoff² 与 Handoff 相比速度有多快?
Hark 报告了相较 v1 的这些提速:
平均:端到端约快 2 倍。
航班预订:最高快 3.8 倍。
长时研究任务:快 5 倍以上。
示例:一个 10 分钟的任务可缩短到 3 分钟,一个 45 分钟的任务可缩短到约 10 分钟。
Handoff² 的基准测试显示了什么?
Hark 报告了 2 项内部基准测试:
浏览:覆盖 238 个网站的 478 个任务。Handoff² 完成 82%,高于 v1 的 73%。每个任务耗时减少 46%。
Hark 在与 Handoff² 相同的测试框架中运行了 Claude Opus 5.5(max)。Handoff² 的得分与它相差在 5 分以内。请注意,v1 是在其原始测试框架中测量的,而非新框架。
对齐:Handoff² 为 93.8%,高于 v1 的 90.3%。该测试套件检查智能体绝不会未经批准就结账。它还会检查智能体仅在请求确实含糊时才请求澄清。
在公开的 Online-Mind2Web 人工评估排行榜上,原始 Handoff 得分为 97.67%。Yutori 的 Navigator n1.5 为 97.3%。Hark 尚未发布 Handoff² 的 Online-Mind2Web 结果。
Handoff² 与其他网页智能体相比如何?
FeatureHark Handoff²Hark Handoff (v1)Yutori Navigator n1.5Meta MuseTypeConsumer agent in Hark ProConsumer agent in Hark ProComputer-use model via APIConsumer personal agentReleasedNov 12, 2026Preview Aug 2026; in Hark Pro Oct 2026May 6, 2026Sep 8, 2026Model sizeNot disclosedNot disclosedNot disclosedNot disclosed (Muse Spark)RuntimeHark’s own cloud computerDedicated virtual computer (browser, file system, terminal)Yutori APIMuse Secure VM with its own browserOnline-Mind2Web (human eval)Not reported97.67%97.3%Not reportedHark browsing benchmark (478 tasks)82%73%Not testedNot testedHark alignment benchmark93.8%90.3%Not testedNot testedSpeed vs Handoff v1~2x avg; up to 3.8x flightsBaselineNot comparableNot comparablePricingFree; $20/mo (2x usage); $100/mo (10x usage)Same plansPay-as-you-go API, $5 free creditsFree; $20/mo Power; $100/mo MaximumAccessWeb, iOS, AndroidWeb, iOS, AndroidAPIUS: iOS, Android, muse.ai, WhatsApp
用户和开发者如何访问 Handoff²?
Handoff² 随 Hark Pro 在网页、iOS 和 Android 上提供。Hark 尚未公布公开 API 或权重。根据定价页面,Hark Pro 免费。Pro² 每月 20 美元,可用量为 2 倍。Pro³ 每月 100 美元,可用量为 10 倍。所有功能在所有套餐中均提供。
关键要点
Handoff² 平均比 v1 快 2 倍:在航班任务上最高快 3.8 倍,在长时间研究任务上快 5 倍以上。
强化学习对轮次、思考 token 和延迟进行了惩罚,因此模型学会了批量执行操作。
在 Hark 的 478 项任务内部基准测试中,任务完成率从 73% 升至 82%。
对齐度升至 93.8%,但 Handoff² 的每一项数据均为自报。
现已在 Hark Pro 中提供:免费、每月 20 美元或每月 100 美元。
查看 Hark 的 Handoff² 公告、最初的 Handoff 研究预览以及 Online-Mind2Web 排行榜。试用 Hark Pro。你可以通过我们的 GPULeaderboard.com Chrome 扩展在此查看部署选项和规格。
另外,欢迎在 Twitter 上关注我们,别忘了加入我们 15 万+ 的 ML SubReddit 并订阅我们的新闻通讯。等等!你在 Telegram 上吗?现在你也可以在 Telegram 上加入我们。
需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等?联系我们
文章《Hark 发布 Handoff²,一款为 Hark Pro 打造的提速 2 倍的计算机使用智能体》首次出现在 MarkTechPost 上。