返回资讯中心
外部精选
ai-models
#研究进展#模型发布#Agentic AI#AI Agents#AI Shorts#Applications

Hark发布Handoff²计算机使用智能体,速度提升约两倍

来源标题:Hark Releases Handoff², a 2x Faster Computer-Use Agent for Hark Pro

Hark推出Hark Pro内置计算机使用智能体Handoff²,端到端平均速度约为初代的2倍。该版本在其478项内部网页任务基准上完成率82%,并在强化学习中惩罚无效轮次与延迟以训练速度。该性能数据均由Hark自行报告,尚无第三方评测。

MarkTechPostMichal Sutter2026/11/16 · 昨天14 分钟阅读

以下正文由 AI 翻译自 MarkTechPost(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Hark 发布了 Handoff²,这是 Hark Pro 应用内 computer-use agent 的第二个版本。Hark Handoff 2 computer-use agent 完成网页任务的平均速度约为初代的 2 倍。Hark 表示,性能提升来自强化学习(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 agent 的团队来说,这是一个以速度而非仅以准确率为目标的训练案例。你可以通过我们的 GPULeaderboard.com Chrome 扩展查看部署选项和规格。

摘要

  • 运行于:Hark 的云平台。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。无本地或量化选项。
  • 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: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。
  • 最佳结论:航班预订速度最高提升 3.8 倍,长时间研究任务速度提升超过 5 倍。
  • 最差结论:Handoff² 的所有数据均为自报。目前尚无第三方评分。

什么是 Hark Handoff²?

Handoff² 是 Hark 推出的一款 computer-use agent,能像人一样操作网站。它在实时页面上点击、输入和滚动,而非调用 API。Hark 于 8 月预览了 Handoff,并于 10 月在 Hark Pro 中正式上线。Hark 表示,自那以来已记录超过 560 万次浏览会话,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、办理退款、填写保修表格和提交求职申请。

Handoff² 如何实现 2 倍提速?

Hark 协同优化了两件事:agent harness 和 RL 训练配方。新的 harness 允许模型每轮输出更多动作。训练则对多余的轮次、不必要的思考 token 和端到端延迟进行惩罚。

模型学会了 3 个习惯:

  • 批量执行动作,例如在一轮内填写多个表单字段。
  • 将重复的动作模式组合为可复用的复合动作。
  • 在任务进行中复用这些复合动作。

每个请求运行在一台专用虚拟计算机上,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。由于节省效果逐轮累积,任务越长、浏览越密集,收益越大。

Handoff² 比 Handoff 快多少?

Hark 报告了相比 v1 的以下提速:

  • 平均:端到端约快 2 倍。
  • 航班预订:最高快 3.8 倍。
  • 长时间研究任务:快 5 倍以上。
  • 示例:一个 10 分钟的任务可缩短至 3 分钟,一个 45 分钟的任务可缩短至约 10 分钟。

Handoff² 的基准测试结果如何?

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 harness 中运行了 Claude Opus 5.5(max)。Handoff² 与它的差距在 5 个百分点以内。注意,v1 是在其原始 harness 中测量的,而非新 harness。
  • 对齐:Handoff² 为 93.8%,高于 v1 的 90.3%。该测试套件检查 agent 绝不在未经批准的情况下结账。它还检查 agent 仅在请求确实模糊时才请求澄清。

在公开的 Online-Mind2Web 人工评估排行榜上,初代 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 agent 相比如何?

功能Hark Handoff²Hark Handoff(v1)Yutori Navigator n1.5Meta Muse 类型Hark Pro 中的消费者 agentHark Pro 中的消费者 agent通过 API 提供的 computer-use 模型消费者个人 agent 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(人工评估)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 相比 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;$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、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 一起在 Web、iOS 和 Android 上提供。Hark 尚未宣布公开 API 或模型权重。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。所有方案均提供全部功能。

核心要点

  • Handoff² 平均比 v1 快 2 倍:航班最高 3.8 倍,长时间研究 5 倍以上。
  • RL 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动作。
  • 在 Hark 的 478 项内部基准测试中,任务完成率从 73% 升至 82%。
  • 对齐率升至 93.8%,但 Handoff² 的所有数据均为自报。
  • 现已在 Hark Pro 中提供:免费、每月 $20 或 $100。

查看 Hark 的 Handoff² 公告、初代 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 15 万+ 成员的 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 Repo、Hugging Face Page、产品发布或网络研讨会等?联系我们。 文章 Hark Releases Handoff², a 2x Faster Computer-Use Agent for Hark Pro 首发于 MarkTechPost。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →