Hark, een snelgroeiende startup met 700 miljoen dollar aan Series A-financiering, heeft officieel "Handoff" gepresenteerd, een intelligente agent die ontworpen is om het web te navigeren zoals een mens dat doet. Door verder te gaan dan eenvoudige tekstgeneratie, streeft Handoff ernaar om complexe workflows te automatiseren op websites die geen officiële API-ondersteuning bieden.

Een van de grootste hindernissen in automatisering is de afhankelijkheid van gestructureerde API's. De Handoff-agent van Hark omzeilt deze beperking door zowel de onderliggende websitestructuur als visuele gegevens te analyseren om met interfaces te communiceren. Hierdoor kan de agent naadloos navigeren op platforms met veel verkeer zonder API, zoals Target, Walmart, OpenTable en LinkedIn.

De agent werkt door visuele aanwijzingen te begrijpen om te bepalen wanneer er op knoppen moet worden geklikt, gescrold of tekst moet worden ingevoerd. In een recente demonstratie toonde CEO Brett Adcock de capaciteit van de agent om complexe "fuzzy" logica te verwerken — zoals het samenstellen van een op maat gemaakt boeket bloemen waarbij de gebruiker aangeeft: "een selectie naar keuze van de bloemist". Deze mogelijkheid suggereert een niveau van semantisch begrip dat verder gaat dan rigide commando-uitvoering, wat zorgt voor een natuurlijkere interactie tussen mens en agent.

Een verschuiving van Next-Token naar Next-Action-voorspelling

Technisch gezien beweegt Hark zich weg van het standaard Large Language Model (LLM)-paradigma. Waar traditionele LLM's zijn geoptimaliseerd om het volgende token in een tekstreeks te voorspellen, is het model van Hark ontworpen om de "volgende actie" te voorspellen. Dit betekent dat het model specifiek de volgende fysieke of digitale interactie berekent, zoals een specifieke toetsenbordinvoer of een muisklik op een exacte coördinaat op het scherm.

Om de ontwikkeling te versnellen, maakt Hark momenteel gebruik van een post-trained model. Deze strategie stelt het bedrijf in staat om zijn trainingsinfrastructuur, datapijplijnen en gespecialiseerde technieken snel te verfijnen voordat er wordt overgegaan naar een volledige pre-trainingfase die later dit jaar gepland staat. Deze iteratieve aanpak is ontworpen om de agent te optimaliseren voor snelheid en kostenefficiëntie.

Het concurrentielandschap van Computer-Use Agents

Hark betreedt een druk en zeer competitief slagveld. De race om dominantie in "computer-use" omvat techreuzen als Google, OpenAI en Anthropic, naast gespecialiseerde, door durfkapitaal gefinancierde startups zoals Browser Use, Polar, Strawberry en Aside.

Hark positioneert zich als een disruptief alternatief door te claimen sneller te zijn en aanzienlijk lagere operationele kosten te hebben in vergelijking met zware modellen zoals GPT 5.5 of Opus 4.8. Door zich te concentreren op een gespecialiseerde, actiegerichte architectuur in plaats van een algemeen tekstmodel, probeert Hark de markt voor browserautomatisering met een hoge frequentie en lage kosten te veroveren.

Het bedrijf heeft een wachtlijst geopend voor zijn platform en is van plan om de volledige service tegen het einde van de zomer te lanceren. Voor ontwikkelaars en oprichters zou het succes van Handoff een verschuiving kunnen betekenen naar "Action Models" die de voltooiing van taken prioriteren boven louter conversatie.

Belangrijkste inzichten

  • Actiegerichte architectuur: In tegenstelling tot standaard LLM's die teksttokens voorspellen, voorspelt het model van Hark specifieke gebruikersacties zoals klikken en toetsaanslagen.
  • Automatisering zonder API: De Handoff-agent gebruikt visuele en structurele gegevens om te navigeren op websites zoals Walmart en LinkedIn die geen officiële API's aanbieden.
  • Focus op kosten en snelheid: Hark streeft ernaar om de prijzen en latentie van grote modellen zoals GPT 5.5 te onderbieden, met als doel efficiënte browserautomatisering op grote schaal.

Waar op te letten

  • Lanceringstermijn – Hark heeft een wachtlijst geopend en plant een volledige release tegen het einde van de zomer.
  • Evolutie van het model – Hark beweegt van een post-trained model naar een volledige pre-trainingfase die later dit jaar gepland staat.