跳到正文
RadarAI· MarkTechPost(RSS)·· 2 天前AI 评分58

Hark 发布 Handoff²:Hark Pro 内置计算机操作智能体平均提速约 2 倍

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 · AI 翻译

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 Handoff²Hark Handoff (v1)Yutori Navigator n1.5Meta 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 Pro2026 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 APIMuse 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、AndroidWeb、iOS、AndroidAPI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