Hark, sebuah syarikat pemula (startup) pertumbuhan tinggi yang disokong oleh pendanaan Siri A sebanyak $700 juta, telah secara rasmi memperkenalkan pratonton "Handoff," sebuah ejen pintar yang direka untuk melayari web sama seperti manusia. Dengan melangkaui penjanaan teks ringkas, Handoff bertujuan untuk mengautomasikan aliran kerja yang kompleks merentasi laman web yang tidak mempunyai sokongan API rasmi.

Melayari Web Tanpa API

Salah satu halangan paling besar dalam automasi ialah kebergantungan kepada API berstruktur. Ejen Handoff milik Hark mengatasi had ini dengan menganalisis struktur laman web dan data visual untuk berinteraksi dengan antara muka. Ini membolehkan ejen tersebut melayari platform trafik tinggi yang tidak mempunyai API seperti Target, Walmart, OpenTable, dan LinkedIn dengan lancar.

Ejen ini berfungsi dengan memahami petunjuk visual untuk menentukan bila perlu klik butang, skrol, atau memasukkan teks. Dalam satu demonstrasi baru-baru ini, CEO Brett Adcock mempamerkan keupayaan ejen tersebut untuk mengendalikan logik "fuzzy" yang kompleks—seperti membina jambangan bunga tersuai di mana pengguna menyatakan "beberapa pilihan pendandan bunga." Keupayaan ini menunjukkan tahap pemahaman semantik yang melangkaui pelaksanaan arahan yang kaku, membolehkan interaksi manusia-ke-ejen yang lebih semula jadi.

Peralihan daripada Ramalan Token Seterusnya kepada Ramalan Tindakan Seterusnya

Dari segi teknikal, Hark sedang beralih daripada paradigma Model Bahasa Besar (LLM) standard. Walaupun LLM tradisional dioptimumkan untuk meramal token seterusnya dalam urutan teks, model Hark dibina untuk meramal "tindakan seterusnya." Ini bermakna model tersebut secara khusus mengira interaksi fizikal atau digital seterusnya, seperti input papan kekunci tertentu atau klik tetikus pada koordinat yang tepat pada skrin.

Untuk mempercepatkan pembangunan, Hark kini menggunakan model pasca-latih (post-trained model). Strategi ini membolehkan syarikat memperhalusi infrastruktur latihan, saluran data (data pipelines), dan teknik khusus dengan pantas sebelum beralih ke fasa pra-latih (pre-training) penuh yang dijadualkan pada akhir tahun ini. Pendekatan berulang ini direka untuk mengoptimumkan ejen dari segi kelajuan dan kecekapan kos.

Landskap Persaingan Ejen Penggunaan Komputer

Hark memasuki arena yang sesak dan sangat kompetitif. Persaingan untuk penguasaan "penggunaan komputer" melibatkan gergasi teknologi seperti Google, OpenAI, dan Anthropic, bersama-sama dengan syarikat pemula khusus yang dibiayai VC seperti Browser Use, Polar, Strawberry, dan Aside.

Hark meletakkan dirinya sebagai alternatif disruptif dengan mendakwa kelajuan yang lebih unggul dan kos operasi yang jauh lebih rendah berbanding model berat seperti GPT 5.5 atau Opus 4.8. Dengan memberi tumpuan kepada seni bina berorientasikan tindakan yang khusus dan bukannya model teks tujuan umum, Hark berusaha untuk menguasai pasaran automasi pelayar frekuensi tinggi dan kos rendah.

Syarikat tersebut telah membuka senarai menunggu untuk platformnya dan berhasrat untuk melancarkan perkhidmatan penuh menjelang akhir musim panas. Bagi pembangun dan pengasas, kejayaan Handoff boleh menandakan peralihan ke arah "Model Tindakan" (Action Models) yang mengutamakan penyelesaian tugas berbanding sekadar perbualan.

Ringkasan Utama

  • Seni Bina Berorientasikan Tindakan: Tidak seperti LLM standard yang meramal token teks, model Hark meramal tindakan pengguna yang khusus seperti klik dan tekanan kekunci.
  • Automasi Tanpa API: Ejen Handoff menggunakan data visual dan struktur untuk melayari laman web seperti Walmart dan LinkedIn yang tidak menawarkan API rasmi.
  • Fokus Kos dan Kelajuan: Hark bertujuan untuk menawarkan harga dan kependaman (latency) yang lebih rendah daripada model utama seperti GPT 5.5, menyasarkan automasi tugas pelayar berskala besar yang cekap.

Perkara untuk diperhatikan

  • Garis masa pelancaran – Hark telah membuka senarai menunggu dan merancang pelancaran penuh menjelang akhir musim panas.
  • Evolusi model – Hark sedang beralih daripada model pasca-latih kepada fasa pra-latih penuh yang dijadualkan pada akhir tahun ini.