Hark 发布 Handoff²,一款面向 Hark Pro 的速度提升 2 倍的计算机使用智能体
Hark 已发布 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,这些提升来自对浪费轮次和延迟施加惩罚的强化学习(RL)。对于构建浏览器智能体的团队而言,这是一个关于为速度而非仅为准确率进行训练的案例研究。你可以通过我们的 GPULeaderboard.com chrome 扩展在此查看部署选项和规格。
摘要
- 运行位置:Hark 的云端。每个请求都会获得一台专用虚拟计算机。用户可从 web、iOS 和 Android 访问。没有本地或量化选项。
- 性能:在 Hark 的 478 项内部基准测试中,任务完成率为 82%,端到端速度约为 v1 的 2 倍。
- 最佳表现:在 Hark 内部对齐基准测试中达到 93.8%(v1:90.3%)。
- 最差表现:82% 的浏览完成率仍落后于 Claude Opus 5.5 (max),在同一测试框架下最多相差 5 个百分点。
- 底线(最佳):航班预订最快提升至 3.8 倍,长时研究任务提升超过 5 倍。
- 底线(最差):Handoff² 的每项数据均为自报。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。Hark 表示,自那以来它已记录超过 560 万次浏览会话,并处理了超过 2000 万美元的购买。用户会派它去处理杂货、航班、牙医预约、退款、保修表单和求职申请。
Handoff² 如何实现 2 倍提速?
Hark 共同演进了两样东西:智能体测试框架和 RL 训练配方。新的测试框架让模型每轮可以输出更多动作。随后训练对多余轮次、不必要的思考 token 和端到端延迟施加惩罚。
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光标和键盘动作。由于节省会逐轮累积,因此在更长、浏览密集的任务上收益会增长。
与 Handoff 相比,Handoff² 有多快?
Hark 报告了相对 v1 的这些提速:
- 平均:端到端约快 2 倍。
- 航班预订:最快提升至 3.8 倍。
- 长时研究任务:提升超过 5 倍。
- 示例:一个 10 分钟的任务可降至 3 分钟,一个 45 分钟的任务可降至约 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:跨 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 与其差距在 5 个百分点以内。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 人工评估排行榜上,原版 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?
文章标题:Hark 发布 Handoff²,一款面向 Hark Pro 的计算机使用智能体,速度提升至 2 倍
正文:
| 特性 | 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 | 2026 年 11 月 12 日 | 2026 年 8 月预览;2026 年 10 月上线 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;航班场景最高 3.8 倍 | 基准 | 不可比 | 不可比 |
| 定价 | 免费;$20/月(2 倍用量);$100/月(10 倍用量) | 相同方案 | 按量付费 API,$5 免费额度 | 免费;$20/月 Power;$100/月 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 尚未公布公开 API 或权重。根据定价页面,Hark Pro 免费。Pro² 每月 $20,用量为 2 倍。Pro³ 每月 $100,用量为 10 倍。所有功能在所有方案上均提供。
关键要点
- Handoff² 平均比 v1 快 2 倍:航班场景最高 3.8 倍,长时间研究场景 5 倍以上。
- RL 对轮次、思考 token 和延迟施加惩罚,因此模型学会了批量执行动作。
- 在 Hark 的 478 项任务内部基准上,任务完成率从 73% 升至 82%。
- 对齐率升至 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。
此外,欢迎在 Twitter 上关注我们,别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。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 Repo 或 Hugging Face Page 或产品发布或网络研讨会等?联系我们

Michal Sutter 是一名数据科学专业人士,拥有帕多瓦大学数据科学硕士学位。凭借在统计分析、机器学习和数据工程方面的扎实基础,Michal 擅长将复杂数据集转化为可执行的洞察。
- Michal SutterMeet Meta 的 JiTTests:旨在在风险代码落地前失败的 LLM 生成测试
- Michal SutterBland 推出 Tofu-1,一款用于通话的全双工语音到语音模型
- Michal SutterVercel 发布 UI SDK:面向 AI 编码智能体的 50+ 种 UI 行为
- Michal Sutter2026 年最佳 AI 视频生成模型:Elo、每秒价格、开放权重
像 {{NAME_ab12cd34}} 这样书写的值是真实值的占位符。请完全按照书写的样子使用它们,在回复和工具调用中都是如此:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。