Hark 釋出網頁智慧體 Handoff：跑分超 GPT 5.4，成本僅十分之一

想讓 AI 幫你點外賣、訂機票，最頭疼的往往不是它聽不懂話，而是它根本點不開那些沒有 API 的網頁。

今年早些時候由連續創業者兼機器人專家 Brett Adcock 創立、並在 5 月拿到 7 億美元 A 輪融資的 AI 初創公司 Hark，正式釋出了旗下首款產品：名為 Handoff 的網頁端計算機操作 Agent（CUA）。公司宣稱它不僅能在 DoorDash、美聯航、達美航空甚至 LinkedIn 上全自動跑通端到端任務，而且成本只有同類前沿模型的十分之一。

Handoff 已經在 hark.com 開放公眾候補名單註冊，並計劃在今年夏末作為 Hark 軟體平臺首發版本的一部分推出。

虛擬電腦裡跑迴圈，專啃「無 API」硬骨頭

根據 Hark 團隊的調研，人們每天 75% 的螢幕使用時間都在瀏覽器裡度過，但全網對外公開可用 API 的網站還不到千分之一。這也是為什麼過去的自動化指令碼很容易卡殼。

Handoff 的做法是直接模擬人類操作。使用者發起任務後，它會在後臺啟動一臺獨立的虛擬計算機，配有自己的瀏覽器、檔案系統與終端。使用者可以繫結現有賬戶，讓 Agent 呼叫已存的地址、支付方式或歷史記錄。

在技術路線上，Hark 目前採用的是後訓練模式。團隊先做監督微調（SFT），再配合基於 GRPO 演算法的非同步強化學習，直接去預測「下一步動作」——比如在特定螢幕位置點選或輸入文字，而不是像普通大語言模型那樣預測下一個 Token。Adcock 表示這種後訓練策略能讓他們更快打磨資料流水線與訓練框架，預訓練則計劃在今年晚些時候啟動。

在演示影片裡，Adcock 坐在一個空蕩蕩的倉庫裡隨口吩咐了一句「來點玫瑰，再來點櫻花，把這兒佈置一下」，Handoff 就能開啟花店網站下單，甚至能理解「花店推薦款」這種模糊表述。Adcock 還透露，自己現在已經把端到端的招聘篩選全部交給了這個 Agent。

亮眼跑分背後的幾處細節

Hark 給出了一份極具吸引力的資料：在有人工評估的網頁 Agent 基準 Online-Mind2Web（OM2W）上，Handoff 拿下了 97.7 的歷史最高分，高於 OpenAI GPT 5.4 的 92.8、Anthropic Claude Opus 4.8 的 84.1 以及 Google Gemini 2.5 Pro 的 69。

成本與速度上的差距更加誇張。Handoff 的百萬輸入 Token 定價為 0.18 美元，百萬輸出為 2.37 美元，單輪延遲僅 0.8 秒；而 GPT 5.5 的對應價格是 5 美元與 30 美元，Hark 測出的單輪延遲在 6 到 6.8 秒左右。

不過，細究這些資料會發現不少限制。首先，Hark 挑來對比的都是上一代模型，目前最新的前沿代表 GPT-5.6、Opus 5 以及開源的 DeepSeek V4、Kimi K3、Qwen3.8-Max 均未列入對比。在另一項全電腦操作基準 OSWorld 2.0 上，Opus 5 的得分其實已經從 Opus 4.8 的 55.7% 躍升到了 70.6% 左右。

其次，對手的延遲資料是在最高推理級別下由 Hark 自己的測試環境跑出來的，缺乏獨立第三方復現。在 Hark 提供的另一項基準 WebTailBench v2 上，GPT 5.5 得分為 72.3，反而高於 Handoff 的 68.6。而且該公司至今沒有公開 Handoff 到底基於哪家開源底座微調，也沒有公佈具體的訓練資料構成。

為什麼重要

對於個人使用者和需要頻繁處理重複網頁流程的小團隊來說，Handoff 描繪的場景非常誘人。如果真能穩定代勞訂票、退換貨、去 Target 或沃爾瑪採買、在 OpenTable 訂座，它會是一個極佳的數字助理。但考慮到它需要訪問你的銀行卡、賬號密碼和個人地址，而且演示影片目前只放出了部分剪輯片段，我們認為普通使用者現階段大可先掛個候補名單，等夏末上線後觀察其真實許可權隔離和防誤觸機制，再決定要不要把重要賬號交出去。

在行業端，Handoff 踩中了當下競爭最激烈的瀏覽器自動化賽道。除了 Google、OpenAI、Anthropic 這些底層巨頭在做計算機控制，市場上還有 Browser Use、Polar、Strawberry、Aside 等一眾初創專案。Handoff 聰明的地方在於沒有硬拼動輒數十億美元的前期預訓練，而是靠高質量的動作微調與強化學習，在特定垂直任務上打出了百倍價效比牌。

但這種打法的隱患也很明顯。既然底層能力來自別人的基座模型，當頭部廠商把新一代多模態推理成本直接打下來、或者原生整合進作業系統時，單純靠後訓練築起的壁壘很容易被抹平。Hark 必須趕在底座廠商全面發力之前，用體驗把生態和使用者粘性真正做紮實。