Суть обновления: скорость и эффективность
Компания Hark представила вторую версию своего агента Handoff², встроенного в приложение Hark Pro. Главное отличие новой модели — радикальное снижение времени выполнения задач. По заявлениям разработчиков, средний показатель скорости увеличился в 2 раза по сравнению с версией 1.0. Этого удалось достичь не за счет смены базовой архитектуры, а благодаря тонкой настройке процесса обучения с подкреплением (RL), которое теперь жестко штрафует модель за «лишние» ходы, избыточные вычисления (thinking tokens) и общую задержку (latency).
Техническая реализация: как ускорились действия
Ключевым изменением стала новая среда выполнения (harness), позволяющая модели генерировать больше действий за один такт. Агент научился трем новым паттернам поведения:
- Пакетная обработка: заполнение нескольких полей формы за один ход.
- Композитные действия: группировка повторяющихся паттернов (например, навигация по меню) в переиспользуемые блоки.
- Переиспользование: применение этих блоков в ходе выполнения сложной задачи.
Каждый запрос обрабатывается на выделенном виртуальном компьютере с собственным браузером, файловой системой и терминалом. Модель управляет курсором и клавиатурой, воздействуя на координаты экрана, что имитирует действия человека.
Метрики производительности и бенчмарки
Hark опубликовала результаты внутренних тестов на наборе из 478 задач на 238 различных веб-сайтах. Важно отметить, что все цифры являются самоотчетными (self-reported), и независимой верификации пока не проводилось.
| Метрика | Handoff² (v2) | Handoff (v1) | Примечание |
|---|---|---|---|
| Успешность выполнения (Browsing) | 82% | 73% | Рост на 9 п.п. при 46% экономии времени |
| Согласованность (Alignment) | 93.8% | 90.3% | Проверка запроса подтверждения и уточнений |
| Скорость (полет/бронирование) | до 3.8x | База | Максимальное ускорение для сложных сценариев |
| Скорость (долгие исследования) | >5x | База | Задачи с 45 мин сократились до ~10 мин |
| Сравнение с Claude Opus 5.5 | 82% | — | Отставание до 5 п.п. в том же harness |
Доступность и ценообразование
Handoff² доступен пользователям Hark Pro через веб-интерфейс, а также приложения для iOS и Android. Публичного API или весов модели пока не выпущено. Тарифная сетка осталась прежней:
- Free: Базовый доступ.
- Pro² ($20/мес): Увеличение лимита использования в 2 раза.
- Pro³ ($100/мес): Увеличение лимита использования в 10 раз.
С момента запуска первой версии Hark зафиксировала более 5,6 млн сессий просмотра и обработала покупок на сумму свыше $20 млн, что делает Handoff² одним из самых используемых consumer-агентов на рынке.
Бенчмарки
| Бенчмарк | Hark Handoff² | Hark Handoff (v1) | Yutori Navigator n1.5 |
|---|---|---|---|
| Hark internal benchmark (478 tasks) | 82% | 73% | — |
| Hark internal alignment benchmark | 93.8% | 90.3% | — |
| Online-Mind2Web (human eval) | — | 97.67% | 97.3% |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: MarkTechPost ↗