$700 মিলিয়ন Series A ফান্ডিং প্রাপ্ত একটি উচ্চ-প্রবৃদ্ধির স্টার্টআপ Hark আনুষ্ঠানিকভাবে "Handoff"-এর প্রিভিউ প্রকাশ করেছে, যা মানুষের মতো ওয়েব নেভিগেট করার জন্য ডিজাইন করা একটি ইন্টেলিজেন্ট এজেন্ট। সাধারণ টেক্সট জেনারেশনের ঊর্ধ্বে গিয়ে, Handoff এমন সব জটিল ওয়ার্কফ্লো স্বয়ংক্রিয় করার লক্ষ্য রাখে যেগুলোতে অফিসিয়াল API সাপোর্ট নেই।

API ছাড়াই ওয়েব নেভিগেশন

অটোমেশনের ক্ষেত্রে অন্যতম প্রধান বাধা হলো স্ট্রাকচার্ড API-এর ওপর নির্ভরতা। Hark-এর Handoff এজেন্ট ইন্টারফেসের সাথে কাজ করার জন্য ওয়েবসাইটের অন্তর্নিহিত কাঠামো এবং ভিজ্যুয়াল ডেটা—উভয়ই বিশ্লেষণ করে এই সীমাবদ্ধতা কাটিয়ে ওঠে। এটি এজেন্টকে Target, Walmart, OpenTable এবং LinkedIn-এর মতো উচ্চ-ট্রাফিক সম্পন্ন নন-API প্ল্যাটফর্মগুলোতে নিরবচ্ছিন্নভাবে নেভিগেট করতে সাহায্য করে।

এজেন্টটি ভিজ্যুয়াল সংকেত (visual cues) বুঝে কখন বাটনে ক্লিক করতে হবে, স্ক্রল করতে হবে বা টেক্সট ইনপুট দিতে হবে তা নির্ধারণ করে কাজ করে। সাম্প্রতিক একটি ডেমোস্ট্রেশনে, CEO Brett Adcock এজেন্টের জটিল এবং "fuzzy" লজিক সামলানোর ক্ষমতা প্রদর্শন করেছেন—যেমন একটি কাস্টম ফুলের তোড়া তৈরি করা যেখানে ব্যবহারকারী নির্দেশ দেন "ফ্লোরিস্টের পছন্দমতো কিছু ফুল দিন।" এই সক্ষমতা একটি উন্নত সেমান্টিক বোঝাপড়ার ইঙ্গিত দেয় যা কেবল কঠোর কমান্ড কার্যকর করার গণ্ডি ছাড়িয়ে মানুষের সাথে এজেন্টের আরও স্বাভাবিক মিথস্ক্রিয়া নিশ্চিত করে।

Next-Token থেকে Next-Action প্রেডিকশনের দিকে পরিবর্তন

প্রযুক্তিগতভাবে, Hark প্রচলিত Large Language Model (LLM) প্যারাডাইম থেকে সরে আসছে। প্রচলিত LLM-গুলো টেক্সটের একটি সিকোয়েন্সে পরবর্তী টোকেন (token) প্রেডিক্ট করার জন্য অপ্টিমাইজ করা হলেও, Hark-এর মডেলটি "next action" বা পরবর্তী পদক্ষেপ প্রেডিক্ট করার জন্য তৈরি করা হয়েছে। এর মানে হলো মডেলটি বিশেষভাবে পরবর্তী শারীরিক বা ডিজিটাল ইন্টারঅ্যাকশন গণনা করে, যেমন একটি নির্দিষ্ট কিবোর্ড ইনপুট বা স্ক্রিনের একটি নির্দিষ্ট স্থানাঙ্কে মাউস ক্লিক।

ডেভেলপমেন্ট ত্বরান্বিত করতে Hark বর্তমানে একটি post-trained মডেল ব্যবহার করছে। এই কৌশলের মাধ্যমে কোম্পানিটি এই বছরের শেষের দিকে নির্ধারিত পূর্ণাঙ্গ pre-training পর্যায়ে যাওয়ার আগে তাদের ট্রেনিং ইনফ্রাস্ট্রাকচার, ডেটা পাইপলাইন এবং বিশেষায়িত কৌশলগুলোকে দ্রুত উন্নত করতে পারবে। এই পুনরাবৃত্তিমূলক (iterative) পদ্ধতিটি এজেন্টটিকে গতি এবং খরচ-সাশ্রয়ী করার জন্য ডিজাইন করা হয়েছে।

কম্পিউটার-ইউজ এজেন্টের প্রতিযোগিতামূলক প্রেক্ষাপট

Hark একটি জনাকীর্ণ এবং অত্যন্ত প্রতিযোগিতামূলক ক্ষেত্রে প্রবেশ করছে। "computer-use" বা কম্পিউটার ব্যবহারের ক্ষেত্রে আধিপত্য বিস্তারের এই দৌড়ে Google, OpenAI এবং Anthropic-এর মতো প্রযুক্তি জায়ান্টদের পাশাপাশি Browser Use, Polar, Strawberry এবং Aside-এর মতো বিশেষায়িত VC-ফান্ডেড স্টার্টআপরাও রয়েছে।

GPT 5.5 বা Opus 4.8-এর মতো ভারী মডেলগুলোর তুলনায় উন্নত গতি এবং উল্লেখযোগ্যভাবে কম পরিচালন ব্যয়ের দাবি করে Hark নিজেকে একটি বৈপ্লবিক বিকল্প হিসেবে উপস্থাপন করছে। সাধারণ উদ্দেশ্যে ব্যবহৃত টেক্সট মডেলের পরিবর্তে একটি বিশেষায়িত action-oriented আর্কিটেকচারের ওপর গুরুত্ব দিয়ে Hark উচ্চ-ফ্রিকোয়েন্সি এবং স্বল্প-ব্যয়ী ব্রাউজার অটোমেশনের বাজার দখল করতে চায়।

কোম্পানিটি তাদের প্ল্যাটফর্মের জন্য একটি ওয়েটলিস্ট খুলেছে এবং গ্রীষ্মের শেষের দিকে পূর্ণাঙ্গ পরিষেবা চালু করার পরিকল্পনা করছে। ডেভেলপার এবং উদ্যোক্তাদের জন্য, Handoff-এর সাফল্য কেবল কথোপকথনের পরিবর্তে টাস্ক বা কাজ সম্পন্ন করার ওপর গুরুত্ব দেওয়া "Action Models"-এর দিকে একটি পরিবর্তনের সংকেত হতে পারে।

মূল বিষয়সমূহ

  • Action-Oriented আর্কিটেকচার: সাধারণ LLM-এর মতো টেক্সট টোকেন প্রেডিক্ট করার পরিবর্তে, Hark-এর মডেল ক্লিক এবং কি-স্ট্রোকের মতো নির্দিষ্ট ব্যবহারকারীর পদক্ষেপ প্রেডিক্ট করে।
  • API-বিহীন অটোমেশন: Handoff এজেন্ট ভিজ্যুয়াল এবং স্ট্রাকচারাল ডেটা ব্যবহার করে Walmart এবং LinkedIn-এর মতো ওয়েবসাইটগুলোতে নেভিগেট করতে পারে, যেগুলোতে অফিসিয়াল API নেই।
  • খরচ এবং গতির ওপর গুরুত্ব: Hark-এর লক্ষ্য হলো GPT 5.5-এর মতো প্রধান মডেলগুলোর মূল্য এবং ল্যাটেন্সি (latency) কমিয়ে আনা, যাতে দক্ষ এবং বড় পরিসরে ব্রাউজার টাস্ক অটোমেশন করা সম্ভব হয়।

যা নজরদারিতে রাখতে হবে

  • লঞ্চের সময়সীমা – Hark একটি ওয়েটলিস্ট খুলেছে এবং গ্রীষ্মের শেষের দিকে পূর্ণাঙ্গ রিলিজের পরিকল্পনা করছে।
  • মডেলের বিবর্তন – Hark একটি post-trained মডেল থেকে পূর্ণাঙ্গ pre-training পর্যায়ে যাচ্ছে, যা এই বছরের শেষের দিকে নির্ধারিত।