Hark 发布网页智能体 Handoff：跑分超 GPT 5.4，成本仅十分之一

想让 AI 帮你点外卖、订机票，最头疼的往往不是它听不懂话，而是它根本点不开那些没有 API 的网页。

今年早些时候由连续创业者兼机器人专家 Brett Adcock 创立、并在 5 月拿到 7 亿美元 A 轮融资的 AI 初创公司 Hark，正式发布了旗下首款产品：名为 Handoff 的网页端计算机操作 Agent（CUA）。公司宣称它不仅能在 DoorDash、美联航、达美航空甚至 LinkedIn 上全自动跑通端到端任务，而且成本只有同类前沿模型的十分之一。

Handoff 已经在 hark.com 开放公众候补名单注册，并计划在今年夏末作为 Hark 软件平台首发版本的一部分推出。

虚拟电脑里跑循环，专啃「无 API」硬骨头

根据 Hark 团队的调研，人们每天 75% 的屏幕使用时间都在浏览器里度过，但全网对外公开可用 API 的网站还不到千分之一。这也是为什么过去的自动化脚本很容易卡壳。

Handoff 的做法是直接模拟人类操作。用户发起任务后，它会在后台启动一台独立的虚拟计算机，配有自己的浏览器、文件系统与终端。用户可以绑定现有账户，让 Agent 调用已存的地址、支付方式或历史记录。

在技术路线上，Hark 目前采用的是后训练模式。团队先做监督微调（SFT），再配合基于 GRPO 算法的异步强化学习，直接去预测「下一步动作」——比如在特定屏幕位置点击或输入文字，而不是像普通大语言模型那样预测下一个 Token。Adcock 表示这种后训练策略能让他们更快打磨数据流水线与训练框架，预训练则计划在今年晚些时候启动。

在演示视频里，Adcock 坐在一个空荡荡的仓库里随口吩咐了一句「来点玫瑰，再来点樱花，把这儿布置一下」，Handoff 就能打开花店网站下单，甚至能理解「花店推荐款」这种模糊表述。Adcock 还透露，自己现在已经把端到端的招聘筛选全部交给了这个 Agent。

亮眼跑分背后的几处细节

Hark 给出了一份极具吸引力的数据：在有人工评估的网页 Agent 基准 Online-Mind2Web（OM2W）上，Handoff 拿下了 97.7 的历史最高分，高于 OpenAI GPT 5.4 的 92.8、Anthropic Claude Opus 4.8 的 84.1 以及 Google Gemini 2.5 Pro 的 69。

成本与速度上的差距更加夸张。Handoff 的百万输入 Token 定价为 0.18 美元，百万输出为 2.37 美元，单轮延迟仅 0.8 秒；而 GPT 5.5 的对应价格是 5 美元与 30 美元，Hark 测出的单轮延迟在 6 到 6.8 秒左右。

不过，细究这些数据会发现不少限制。首先，Hark 挑来对比的都是上一代模型，目前最新的前沿代表 GPT-5.6、Opus 5 以及开源的 DeepSeek V4、Kimi K3、Qwen3.8-Max 均未列入对比。在另一项全电脑操作基准 OSWorld 2.0 上，Opus 5 的得分其实已经从 Opus 4.8 的 55.7% 跃升到了 70.6% 左右。

其次，对手的延迟数据是在最高推理级别下由 Hark 自己的测试环境跑出来的，缺乏独立第三方复现。在 Hark 提供的另一项基准 WebTailBench v2 上，GPT 5.5 得分为 72.3，反而高于 Handoff 的 68.6。而且该公司至今没有公开 Handoff 到底基于哪家开源底座微调，也没有公布具体的训练数据构成。

为什么重要

对于个人用户和需要频繁处理重复网页流程的小团队来说，Handoff 描绘的场景非常诱人。如果真能稳定代劳订票、退换货、去 Target 或沃尔玛采买、在 OpenTable 订座，它会是一个极佳的数字助理。但考虑到它需要访问你的银行卡、账号密码和个人地址，而且演示视频目前只放出了部分剪辑片段，我们认为普通用户现阶段大可先挂个候补名单，等夏末上线后观察其真实权限隔离和防误触机制，再决定要不要把重要账号交出去。

在行业端，Handoff 踩中了当下竞争最激烈的浏览器自动化赛道。除了 Google、OpenAI、Anthropic 这些底层巨头在做计算机控制，市场上还有 Browser Use、Polar、Strawberry、Aside 等一众初创项目。Handoff 聪明的地方在于没有硬拼动辄数十亿美元的前期预训练，而是靠高质量的动作微调与强化学习，在特定垂直任务上打出了百倍性价比牌。

但这种打法的隐患也很明显。既然底层能力来自别人的基座模型，当头部厂商把新一代多模态推理成本直接打下来、或者原生整合进操作系统时，单纯靠后训练筑起的壁垒很容易被抹平。Hark 必须赶在底座厂商全面发力之前，用体验把生态和用户粘性真正做扎实。