Hark Handoff

AI 初创公司 Hark 今日正式发布其首款产品 Handoff，这是一款面向开放网络任务的计算机使用代理（CUA）。该代理可自主完成 DoorDash 订餐、航司机票预订及 LinkedIn 消息发送等端到端操作。Hark 宣称 Handoff 在 Online-Mind2Web（OM2W）基准测试中取得 97.7 分的历史最高成绩，同时服务定价仅为同类前沿模型的十分之一。产品即日起开放注册，计划于本月晚些时候随 Hark 软件平台初始版本正式上线。然而，其基准对比对象的选择、训练数据来源及企业级安全细节仍存在待澄清之处。

性能声明与基准测试的局限性

Hark 提供的性能数据呈现出明显的优势区间，但对比基准的时效性与完整性需要审慎看待。

• OM2W 得分：Handoff 为 97.7，GPT 5.4 为 92.8，Claude Opus 4.8 为 84.1，Gemini 2.5 Pro 为 69
• 缺失的对比对象：当前领先的 GPT-5.6、Opus 5 均未列入对比；DeepSeek V4、Kimi K3、Qwen3.8-Max 等开源竞争者同样缺席
• 内部基准的不一致：在 WebTailBench v2 上，GPT 5.5 得分 72.3，Handoff 为 68.6；该基准及另一项未命名内部评估均由 Hark 自有框架运行，通过率由其内部 LLM 评判器计算

值得注意的是，最新前沿模型在计算机使用能力上已有显著进步。在 OSWorld 2.0 基准上，Opus 5 得分约 70.6%，而 Hark 选作对比点的 Opus 4.8 仅为 55.7%。由于更新模型尚未公布 OM2W 结果，Handoff 的“历史最高”说法目前无法与现有最强系统进行直接核对。当被问及是否计划补充与新模型的对比时，Hark 未予明确回应。

定价优势与延迟数据的测量条件

Handoff 的成本结构是其最明确的差异化要素，即使面对当前前沿模型仍保持数量级优势。

• 输入 Token：每百万 0.18 美元（GPT 5.5 为 5 美元，Opus 5 为 5 美元）
• 输出 Token：每百万 2.37 美元（GPT 5.5 为 30 美元，Opus 5 为 25 美元）
• 单轮延迟：0.8 秒

延迟对比存在测量条件差异。Hark 引用的竞品延迟数据（GPT 5.5 为 6.8 秒、Opus 4.8 为 6 秒）是在其自有测试框架中将竞争模型设置为最高推理级别（即最慢模式）后测得，目前尚无独立第三方延迟测量可供交叉验证。若 Handoff 的实际任务完成率能接近其基准表现，十倍左右的成本节省对企业用户具有实质吸引力。

技术架构与安全隐私的待解问题

Handoff 的运行机制与技术来源仍有部分信息未披露。

• 运行环境：每个请求启动专用虚拟计算机，配备独立浏览器、文件系统和终端；用户可接入现有账户，代理使用已保存的地址、支付方式及历史记录执行操作
• 训练路径：采用监督微调加 GRPO 异步强化学习的后训练流水线；预训练“计划于今年晚些时候”进行，当前构建于 Hark 未自行训练的基础模型之上
• 未披露信息：基础模型具体身份、专有与开放数据的混合比例、专用虚拟计算机及生成文件的访问权限归属

Hark 发言人表示“安全和隐私是首要关注点，但这是一个技术预览版”，完整的安全与隐私策略将在夏季末产品正式上市时公布。对于拟将 Handoff 接入内部系统的企业客户而言，文件访问权限与数据隔离机制是采购决策的前置条件。

创始人背景与过往宣传争议

Hark 由连续创业者 Brett Adcock 于今年早些时候创立，2026 年 5 月以 60 亿美元估值完成 7 亿美元 A 轮融资，投资方包括 Parkway Venture Capital、Nvidia、AMD、Intel Capital、Qualcomm Ventures、Salesforce Ventures 及 ARK Invest。Adcock 个人注资 1 亿美元，并同时担任 Figure AI 与 Hark 的创始人兼 CEO。Hark 模型目前正在 Figure 机器人上进行训练，但两家公司无合并计划。

Adcock 此前的宣传风格曾引发媒体质疑。2025 年 4 月，Fortune 报道称 Figure 与 BMW 的合作实际规模远小于公开表述，仅有一台机器人在非生产时段练习拾取零件。Adcock 在社交平台 X 上称该报道为“彻头彻尾的谎言”并威胁提起诽谤诉讼。两个月后，TechCrunch 报道其在技术会议上跳过承诺的现场演示，并在台上回避了关于 BMW 交易的问题。这些过往记录不构成对 Handoff 当前数据的否定，但提示潜在用户在评估其产品声明时需结合独立验证。