AI初创公司Hark推出首款产品：经济快速的计算机使用代理Hark Handoff（7分钟阅读）

# AI 初创公司 Hark 发布首款产品：一款经济实惠、快速运行的计算机使用代理 Hark Handoff 来源：https://venturebeat.com/technology/ai-startup-hark-unveils-first-product-an-affordable-fast-computer-use-agent-hark-handoff Hark (https://hark.com/)，这家由连续创业者和机器人专家 Brett Adcock 于今年早些时候创立 (https://www.businesswire.com/news/home/20260324789327/en/Hark-Launches-AI-Lab-Building-Futuristic-Interface-to-Artificial-Intelligence) 的神秘 AI 初创公司，今天发布了 Handoff (https://hark.com/articles/introducing-hark-handoff)，一个“计算机使用代理”\(CUA\)。该公司称，该代理在代表用户浏览开放网页方面位列全球顶尖水平——无论是通过 DoorDash 订餐、在 United 和 Delta 上预订航班，还是在 LinkedIn 上给求职者发消息——所有这些都能实现全自动、端到端完成。 今天起，公众可在 hark.com (https://hark.com/) 开放注册，预计将于本月晚些时候作为 Hark 软件平台初始版本的一部分正式上线。 该公司称，Handoff 在 Online-Mind2Web \(OM2W\) (https://huggingface.co/spaces/osunlp/Online_Mind2Web_Leaderboard) 上取得了历史最高分。这是一个由人工评估排行榜的第三方网页代理基准测试，Handoff 得分 97.7，而 OpenAI 的 GPT 5.4 为 92.8，Anthropic 的 Claude Opus 4.8 为 84.1，Google 的 Gemini 2.5 Pro 为 69。 Hark Handoff 基准测试对比图 Hark Handoff 基准测试对比图。图片来源：Hark Hark 还表示，该模型的服务成本不到其他前沿模型 token 价格的十分之一——每百万输入 token 0.18 美元，每百万输出 token 2.37 美元，而 GPT 5.5 分别为 5 美元和 30 美元——单轮模型延迟为 0.8 秒。 Hark Handoff 定价对比图 Hark Handoff 定价对比图。图片来源：Hark 对于每个请求，Handoff 都会启动一台专用的虚拟计算机，配有独立的浏览器、文件系统和终端。用户可以连接现有账户，让代理登录并使用其已保存的地址、支付方式和历史记录进行操作。 Hark 的研究发现，尽管人们每天 75% 的屏幕时间都在浏览器中度过，但每 1000 个网站中只有不到 1 个提供公开可用的 API，这使得 AI 代理很难接管这些工作。 在发布到 YouTube (https://youtu.be/Lwtte3eSYrQ?si=8iSPvd9KfF9b1xO6) 和社交媒体上的一段约四分钟的正式公告视频中，Adcock——坐在一个空旷的仓库空间里，这同时也隐喻着公司的建设进展——对着 Hark 说出一个请求（“让我们把这个地方弄得热闹一点……来点玫瑰，也许再来点樱花”），视频显示 Handoff 正在导航进入一家花店的网站并下单。Adcock 旁白说，与典型的聊天机器人不同，Handoff“一直在工作，它在循环运行”，并称他现在将 Handoff 用于“我所有招聘工作的全流程”。在 Hark 的公告博客文章 (https://hark.com/articles/introducing-hark-handoff) 中，还展示了更多实时和 5 倍速的演示。 但围绕 Handoff 仍有一些重大悬而未决的问题，尤其是对潜在的企业客户和用户而言。 ## **高分基准测试……但对比的是上一代模型** 值得注意的是，Hark 向 VentureBeat 提供的 Handoff AI 代理基准对比对象是 GPT 5.5、GPT 5.4、Opus 4.8 和 Gemini 2.5 Pro——即上一代前沿模型。 当前领先的模型，OpenAI 的 GPT-5.6 和 Anthropic 的 Opus 5，并未包含在内，同样缺席的还有 DeepSeek V4、Kimi K3 和 Qwen3.8-Max 等强大的开源计算机使用竞争者。 这些较新的模型尚未公布 Online-Mind2Web 的结果，也没有第三方在基准测试的公共排行榜 (https://huggingface.co/spaces/osunlp/Online_Mind2Web_Leaderboard) 上发布相关数据——这意味着 Hark 的“历史最高”说法目前无法与现有最强系统进行核对。 这一遗漏值得注意，因为最新前沿模型的最大进步恰恰出现在计算机使用领域：在 OSWorld 2.0 (https://benchlm.ai/benchmarks/osworld2)（一个涵盖完整计算机控制的相关基准测试）上，Anthropic 的 Opus 5 得分约为 70.6%，而 Hark 选择作为对比点的 Opus 4.8 得分为 55.7%。 延迟对比也存在类似的保留意见：Hark 引用的 GPT 5.5 和 Opus 4.8 每轮 6.8 秒和 6 秒的数据，是由 Hark 在自己的测试环境中、将竞争模型设置为最高（也是最慢）推理级别时测得的。目前没有独立的延迟测量数据可供比较。 当 VentureBeat 询问 Hark 是否计划发布与这些新模型的对比时，该公司未作具体说明。 即使在 Hark 自己选择的对比中，“最佳”的说法也有一个星号：在 WebTailBench v2 上（Hark 自列结果表涵盖的三个基准测试之一），GPT 5.5 得分 72.3，而 Handoff 为 68.6。 三个基准测试中的两个（WebTailBench 和一个未命名的内部评估）也是在 Hark 自己的测试环境中运行的，通过率由 Hark 的内部 LLM 评判器计算——这些条件均由该公司控制。 Hark 的定价优势则清晰得多：Anthropic 较新的 Opus 5 与上一代定价相同，仍为每百万输入 token 5 美元、每百万输出 token 25 美元，因此 Handoff 约十倍的成本节省即使面对当前前沿模型也依然成立——前提是其在基准测试中的表现也能继续保持。 ## **训练与文件访问** Hark 的研究预览描述了一套听起来合理的流程——根据今天公告前与 VentureBeat 共享的材料，该流程包括监督微调，随后使用 GRPO 算法进行异步强化学习——但该公司承认目前只完成了后训练（post-training），预训练“计划于今年晚些时候进行”。 这意味着 Handoff 构建在一个 Hark 并未训练的基座模型之上。当被问及使用的是什么基座模型，以及 Handoff 训练的专有和开放数据比例时，Hark 尚未明确说明。 另一个对企业用户来说很大的问号是：谁可以访问专用虚拟计算机及其上创建的文件？ 一位 Hark 发言人表示，“安全和隐私是首要关注点，但这目前是一个技术预览版”，并补充说，当产品在夏末正式上市时，公司将分享更多细节。 ## **Adcock 在创立 Hark 之前的经历** Hark 是 Adcock 创立的第四家公司。此前，他曾联合创立人才市场 Vettery（2018 年以约 1 亿美元出售 (https://www.adeccogroup.com/our-group/media/press-releases/2018-the-adecco-group-announces-acquisition-of-vettery)）、飞行出租车制造商 Archer Aviation (https://archer.com/)，以及人形机器人独角兽 Figure AI (https://venturebeat.com/ai/robotics-startup-figure-raises-staggering-675m-and-partners-with-openai)。 Hark 于 2026 年 5 月完成了 7 亿美元的 A 轮融资，估值 60 亿美元 (https://www.businesswire.com/news/home/20260521171628/en/Hark-Raises-%24700M-Series-A-at-a-%246B-Valuation)——由 Parkway Venture Capital 领投，Nvidia、AMD、Intel Capital、Qualcomm Ventures、Salesforce Ventures 和 ARK Invest 参投。 Adcock 用自己的资金向公司注入了 1 亿美元种子资金，目前同时担任 Figure 和 Hark 的创始人兼 CEO，一位发言人证实了这一点。 当被问及两家公司如何互动时，该发言人表示，Hark 的模型“正在 Figure 机器人上进行训练”，但 Adcock 没有计划将两家公司合并。 Adcock 的宣传风格曾引发质疑。2025 年 4 月，Fortune 记者 Jason Del Rey 报道称，Figure 大力宣传的 BMW 合作 (https://fortune.com/2025/04/06/figure-ai-bmw-humanoid-robot-partnership-details-reality-exaggeration/) 远比 Adcock 公开宣称的机器人“车队”执行“端到端操作”要低调得多：BMW 发言人 Steve Wilson 表示，当时只有一台 Figure 机器人在非生产时段练习搬运零件。 但该合作已经取得进展。截至 2026 年 6 月，BMW 表示 Figure 02 机器人 (https://www.press.bmwgroup.com/global/article/detail/T0458778EN/bmw-group-advances-the-use-of-physical-ai-in-production-with-figure-03-project-in-spartanburg?language=en) 在 10 个月内支持了超过 30,000 辆 BMW X3 车辆的生产，下一代 Figure 03 机器人正在该工厂部署，用于物流环节的零件排序工作。 在社交网络 X 上，Adcock 称该报道是“歪曲事实，甚至是彻头彻尾的谎言” (https://mikekalil.com/blog/figure-ai-vs-fortune/)，并威胁提起诽谤诉讼。两个月后，TechCrunch 报道称，Adcock 在一次科技会议上跳过了承诺的现场演示 (https://techcrunch.com/2025/06/06/figure-ai-ceo-skips-live-demo-sidesteps-bmw-deal-questions-on-stage-at-tech-conference/)，并在台上回避了有关 BMW 合作的问题。 这些都不意味着 Handoff 的数据是错的。这个代理很可能确实表现出色，而且其定价——如果能够保持的话——将低于所有主要实验室。