Hark 发布 Handoff²:Hark Pro 内置计算机操作智能体平均提速约 2 倍
Hark 在 Hark Pro 中发布第二代计算机操作智能体 Handoff²,平均端到端速度约为 v1 的 2 倍,航班预订最高提速 3.8 倍,长研究任务超过 5 倍。
MarkTechPost· Michal Sutter·2026-11-16 17:08· 34 分钟前AI 评分58
Hark 发布 Handoff²,一款面向 Hark Pro 的速度提升 2 倍的计算机操作智能体
AI 导读
Hark 在 Hark Pro 中发布第二代计算机操作智能体 Handoff²,平均端到端速度约为 v1 的 2 倍,航班预订最高提速 3.8 倍,长研究任务超过 5 倍。
正文 · 原文
Hark 已发布 Handoff²,这是其 Hark Pro 应用内计算机操作智能体的第二个版本。Hark Handoff 2 计算机操作智能体完成网页任务的平均速度约为初代的 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而言,这是一个以速度而非仅以准确率为目标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。每个请求都会获得一台专用虚拟计算机。用户可通过网页、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%,端到端速度约为 v1 的 2 倍。
- 最佳:在 Hark 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。
- 结论(最佳):航班预订最高提速 3.8 倍,长研究任务提速超过 5 倍。
- 结论(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 推出的一款计算机操作智能体,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 中正式发布。此后,Hark 表示其已记录超过 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 协同演进了两件事:智能体框架和 RL 训练配方。新框架让模型每轮可以发出更多动作。随后,训练对多余的轮次、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:
- 批量执行动作,例如在 1 轮内填写多个表单字段。
- 将重复的动作模式归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,该计算机拥有自己的浏览器、文件系统和终端。模型输出针对屏幕坐标的鼠标和键盘动作。由于节省会逐轮累积,因此在较长的、浏览密集的任务上收益会更大。
Handoff² 与 Handoff 相比有多快?
Hark 报告了以下相对 v1 的提速:
- 平均:端到端速度约提升 2 倍。
- 航班预订:最高提速 3.8 倍。
- 长研究任务:提速超过 5 倍。
- 示例:一项 10 分钟的任务可缩短至 3 分钟,一项 45 分钟的任务可缩短至约 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:涵盖 238 个网站的 478 项任务。Handoff² 完成 82%,高于 v1 的 73%。每项任务耗时减少 46%。
Hark 在与 Handoff² 相同的测试框架中运行了 Claude Opus 5.5(max)。Handoff² 的成绩与它相差在 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。
- 对齐性:Handoff² 为 93.8%,高于 v1 的 90.3%。该测试套件检查智能体绝不会在未经批准的情况下结账。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 人工评测排行榜上,原版 Handoff 得分为 97.67%。Yutori 的 Navigator n1.5 为 97.3%。Hark 尚未公布 Handoff² 的 Online-Mind2Web 结果。
Handoff² 与其他网页智能体相比如何?
| 功能 | Hark Handoff² | Hark Handoff (v1) | Yutori Navigator n1.5 | Meta Muse |
|---|---|---|---|---|
| 类型 | Hark Pro 中的消费者智能体 | Hark Pro 中的消费者智能体 | 通过 API 提供的计算机使用模型 | 消费者个人智能体 |
| 发布日期 | 2026 年 11 月 12 日 | 2026 年 8 月预览;2026 年 10 月进入 Hark Pro | 2026 年 5 月 6 日 | 2026 年 9 月 8 日 |
| 模型规模 | 未披露 | 未披露 | 未披露 | 未披露(Muse Spark) |
| 运行时 | Hark 自有云计算机 | 专用虚拟计算机(浏览器、文件系统、终端) | Yutori API | Muse Secure VM,自带浏览器 |
| Online-Mind2Web(人工评测) | 未报告 | 97.67% | 97.3% | 未报告 |
| Hark 浏览基准(478 项任务) | 82% | 73% | 未测试 | 未测试 |
| Hark 对齐基准 | 93.8% | 90.3% | 未测试 | 未测试 |
| 相对 Handoff v1 的速度 | 平均约 2 倍;航班最高 3.8 倍 | 基线 | 不可比 | 不可比 |
| 定价 | 免费;每月 $20(2 倍用量);每月 $100(10 倍用量) | 相同方案 | 按需付费 API,$5 免费额度 | 免费;每月 $20 Power;每月 $100 Maximum |
| 访问方式 | Web、iOS、Android | Web、iOS、Android | API | 美国:iOS、Android、muse.ai、WhatsApp |
用户和开发者如何访问 Handoff²?
Handoff² 随 Hark Pro 在 Web、iOS 和 Android 上发布。Hark 尚未宣布公开 API 或权重。根据定价页面,Hark Pro 免费。Pro² 每月 $20,提供 2 倍用量。Pro³ 每月 $100,提供 10 倍用量。所有功能在所有方案中均提供。
关键要点
- Handoff² 平均比 v1 快 2 倍:航班最高 3.8 倍,长时间研究最高 5 倍以上。
- 强化学习对轮次、思考 token 和延迟施加惩罚,因此模型学会了批量执行操作。
- 在 Hark 的 478 项任务内部基准上,任务完成率从 73% 升至 82%。
- 对齐性升至 93.8%,但 Handoff² 的所有数字均为自报。
- 现已在 Hark Pro 中提供:免费、每月 $20 或 $100。
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,别忘了加入我们的 15 万+ 机器学习 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 上加入我们了。
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:为 Hark Pro 打造的 2 倍速计算机使用智能体 首次出现在 MarkTechPost。
来源:MarkTechPost · marktechpost.com
来源:RadarAI · aihot.news