Hark 发布浏览器操作 Agent Handoff：从回答问题走向替用户完成网页任务
Hark 在 2026 年推出浏览器操作 Agent Handoff 研究预览，能在专用虚拟机内模拟点击、输入和滚动以完成多步骤网页任务，但仍处于候补和内部测试阶段，实际稳定性、权限与成本需更多独立验证。公司宣称在多项基准上表现领先并强调低 Token 价格与较低延迟，但比较条件和测试环境存在局限性，完整端到端可靠性与安全控制是未来关键挑战。
Hark 在 2026 年推出浏览器操作 Agent Handoff 研究预览，能在专用虚拟机内模拟点击、输入和滚动以完成多步骤网页任务，但仍处于候补和内部测试阶段，实际稳定性、权限与成本需更多独立验证。公司宣称在多项基准上表现领先并强调低 Token 价格与较低延迟，但比较条件和测试环境存在局限性，完整端到端可靠性与安全控制是未来关键挑战。
Hark 于 2026 年 8 月 5 日发布浏览器操作 Agent Handoff 的研究预览版，主打在没有官方 API 的网站上代表用户执行购物、点餐、旅行预订和资料研究等多步骤任务。公司称，Handoff 能在专用虚拟计算机中打开浏览器，通过点击、滚动和填写表单完成长流程操作。
但这款产品目前仍处于研究预览和候补阶段。Hark公布的基准成绩、成本和延迟数据主要来自公司自己的评测与比较，实际可用范围、稳定性以及涉及登录、支付和个人信息时的控制机制，仍需要更多独立验证。
Handoff试图解决什么问题
Hark将Handoff定义为Computer Use Agent，即能够直接操作计算机界面的智能体。用户可以用自然语言描述目标，系统随后在一个专用的虚拟计算机中打开网页，逐步完成点击、输入和滚动等动作。
根据Hark发布的研究预览，每次请求都会启动一个独立环境，其中包括浏览器、文件系统和终端。用户也可以连接已有账户，让Handoff使用保存的地址、偏好和历史信息代表其行动。
Hark列举的应用场景包括在DoorDash和Uber Eats上点餐，在United、Delta和American等航空公司网站之间比较和预订航班，以及在LinkedIn上研究候选人、发送消息和开展招聘。TechCrunch的报道则提到，Handoff还被设想用于购物、退货、餐厅预订和跨网站研究。
这一路线的关键在于，它并不依赖网站为机器提供结构化接口。Hark在新闻稿中表示，许多常用网站并没有面向消费者的公开 API，因此，能够像人一样理解并使用浏览器，可能比只连接少数 API 更接近通用互联网助手的目标。
Hark还表示，在一项覆盖近300万屏幕使用分钟的内部调查中，用户有74.9%的时间在浏览器中度过。这个数字来自公司自身研究，不能直接视为整个互联网用户群体的独立统计，但它解释了Hark为何选择浏览器作为产品入口。
从预测下一个Token到预测下一步动作
Hark对Handoff的技术描述，集中在模型输出方式的变化上。传统大语言模型通常预测下一个Token，而Handoff输出的是一系列能够改变浏览器状态的鼠标和键盘操作，包括在特定坐标点击、输入文字和滚动页面。
在研究预览中，Hark称Handoff在三个浏览器操作基准上表现出“前沿水平”，并在Online-Mind2Web（OM2W）人工评测排行榜上取得最高成绩。Business Wire发布的公司新闻稿称，Handoff的得分为97.7，高于OpenAI GPT-5.4的92.8、Anthropic Opus 4.8的84.1和Google Gemini 2.5 Pro的69。
Online-Mind2Web项目的官方排行榜将其定位为面向真实网站的在线网页智能体评测。Hark的研究预览还称，Handoff平均比GPT-5.4高约8个百分点，比Opus 4.8高约2个百分点；WebTailBench和内部评测则使用了Hark设计的测试环境。
这些结果可以说明Hark的技术路线具有竞争力，但尚不足以证明Handoff在所有真实网页任务中都领先。VentureBeat在相关报道中指出，Hark提供的比较对象主要包括GPT-5.5、GPT-5.4、Opus 4.8和Gemini 2.5 Pro，较新的模型以及一些开放权重竞争者并未出现在这组比较中。
此外，VentureBeat指出，Hark自己的三项结果中，WebTailBench v2的一项成绩是GPT-5.5高于Handoff；其中两项基准在Hark自己的测试环境中运行，并由Hark内部的语言模型评判通过率。由此看，Hark所说的“行业最佳”应当被理解为公司基于特定测试条件提出的产品主张，而不是已经完成独立复测的行业共识。
低Token价格能否转化为低使用成本
Hark同时把成本和速度作为Handoff的主要卖点。公司称，Handoff的价格为每百万输入Token 0.18美元、每百万输出Token 2.37美元，低于其比较的GPT-5.5每百万输入Token 5美元、输出Token 30美元；Hark还称，模型每一步的延迟约为0.8秒。
这一比较对模型调用价格具有参考意义，但不等于用户完成一次任务的最终成本。真实网页任务往往需要多轮观察、点击、重试和异常恢复，还会产生浏览器虚拟机、网络访问、账号管理以及人工确认等基础设施成本。任务越长，失败重试对总费用的影响也越大。
因此，Handoff的成本优势仍需要放在完整任务链中观察。低Token单价可能帮助浏览器代理扩大并发规模，但只有在成功率、重试次数和基础设施开销同时可控时，才会转化为稳定的单位任务成本优势。
预训练尚未完成，产品仍在候补阶段
Hark表示，目前公开的Handoff使用的是后训练模型，公司已经进入中期训练阶段，并计划在2026年晚些时候进行预训练。公司解释说，先从后训练开始，可以更快完善数据管线、评测体系、训练基础设施和强化学习方法。
Hark认为，网页环境比受控的操作系统更加不可预测：网页会出现弹窗、广告和反自动化机制，不同网站的界面也会不断变化。为应对这些问题，公司使用监督微调和强化学习，让模型从真实任务的成功和失败中学习如何继续执行或恢复。
不过，产品所处阶段仍然限制了外界能够得出的结论。TechCrunch注意到，Hark发布的花束订购演示只展示了部分操作过程，无法据此判断它是否能稳定处理付款、地址确认、库存变化以及异常中断等后续步骤。Hark则表示，Handoff平台计划在夏末推出，目前先通过候补名单接受申请。
浏览器代理进入更拥挤的竞争场
Hark并不是唯一一家试图让AI操作浏览器的公司。Google、OpenAI和Anthropic都在推进Computer Use相关能力，Browser Use、Polar、Strawberry和Aside等创业公司也在争夺网页自动化市场。
这场竞争既包括模型能力，也包括浏览器基础设施。Cloudflare近期推出的面向AI Agent的云端浏览器Kitesurf试图减少运行浏览器的CPU和内存开销，目标是让开发者更容易大规模运行Agent浏览任务。它牺牲部分复杂渲染和兼容性，换取更低资源消耗；Hark则直接把浏览器当作代表用户行动的执行环境。
两种产品方向共同说明，浏览器正在从人类访问互联网的工具，逐渐变成AI Agent连接现实网站的执行层。对Agent来说，真正困难的并不是打开一个网页，而是在动态页面中持续保持目标、理解上下文，并在需要时处理失败。
真正的难题是权限、准确性和责任边界
Handoff一旦从搜索和推荐进入下单、招聘、退货或预订，就会同时面对三个问题：它是否准确理解了用户意图，是否拥有完成任务所需的权限，以及发生错误时谁来承担后果。
网页内容会实时变化，价格、库存、菜单、营业时间和交通状态都可能在操作过程中改变。代理即使正确识别了页面，也可能因为自然语言中的模糊条件作出不符合用户预期的选择。对于“选一家评价不错的餐厅”或“买一些店家推荐的花”这样的开放指令，人类通常会临场判断多个细节，而模型是否能将这些判断转化为可审计的规则，仍需要更多测试。
另一方面，Handoff如果能够登录用户账户并使用保存的地址、偏好和历史记录，其能力也意味着更大的权限范围。AIFlux此前关于Hush Security身份治理融资的报道指出，企业正在重新审视AI Agent以谁的身份行动、能够访问哪些资源，以及出错后能否及时停止的问题。
对于浏览器代理而言，临时权限、最小授权、操作审计和紧急中止机制，可能会和模型能力本身同样重要。尤其是支付、发送消息、提交订单和修改账户信息等不可逆操作，产品是否会在关键节点要求用户确认，将决定它能否被普通消费者放心使用。
Hark今年5月完成7亿美元A轮融资，投后估值约为60亿美元，这一数字由TechCrunch和VentureBeat等媒体报道，Hark在本次产品新闻稿中没有将其作为官方估值确认。投资方包括Parkway Venture Capital以及NVIDIA、AMD、Intel Capital、Qualcomm Ventures和Salesforce Ventures等机构。公司创始人Brett Adcock此前还创办过Figure，Hark则把浏览器Agent视为其个人智能和AI原生硬件愿景的早期基础。
对Hark而言，下一步关键并不是再展示一个能够点击网页的演示，而是证明Handoff能否在不同网站、不同账户状态和意外中断下稳定完成端到端任务，并在涉及付款、个人资料和其他高风险操作时保留清晰的人类控制。
来源
不错过任何一条 AI 大事
订阅 AIFlux 早报，每天 3 分钟看懂产业动态。
