Hark, быстрорастущий стартап, получивший 700 миллионов долларов в рамках раунда финансирования серии А, официально представил Handoff — интеллектуального агента, способного перемещаться по сети так же, как человек. Выходя за рамки простой генерации текста, Handoff стремится автоматизировать сложные рабочие процессы на веб-сайтах, не имеющих официальной поддержки API.

Навигация по сети без использования API

Одним из самых серьезных препятствий в автоматизации является зависимость от структурированных API. Агент Handoff от Hark обходит это ограничение, анализируя как структуру веб-сайта, так и визуальные данные для взаимодействия с интерфейсами. Это позволяет агенту беспрепятственно перемещаться по популярным платформам без API, таким как Target, Walmart, OpenTable и LinkedIn.

Агент работает, распознавая визуальные подсказки, чтобы определить, когда нужно нажать на кнопки, прокрутить страницу или ввести текст. В недавней демонстрации генеральный директор Brett Adcock показал способность агента справляться со сложной «нечеткой» логикой — например, при составлении индивидуального букета цветов, где пользователь указывает «на выбор флориста». Эта возможность свидетельствует об уровне семантического понимания, который выходит за рамки жесткого выполнения команд, обеспечивая более естественное взаимодействие человека с агентом.

Переход от предсказания следующего токена к предсказанию следующего действия

С технической точки зрения Hark отходит от стандартной парадигмы больших языковых моделей (LLM). В то время как традиционные LLM оптимизированы для предсказания следующего токена в последовательности текста, архитектура модели Hark нацелена на предсказание «следующего действия». Это означает, что модель рассчитывает конкретное физическое или цифровое взаимодействие, такое как определенный ввод с клавиатуры или щелчок мыши в точных координатах на экране.

Чтобы ускорить разработку, Hark в настоящее время использует модель, прошедшую этап дообучения (post-trained model). Эта стратегия позволяет компании быстро совершенствовать инфраструктуру обучения, конвейеры данных и специализированные методы перед переходом к этапу полного предварительного обучения (pre-training), запланированному на конец этого года. Такой итеративный подход призван оптимизировать агента с точки зрения скорости и экономической эффективности.

Конкурентная среда агентов для управления компьютером

Hark выходит на переполненную и высококонкурентную арену. В гонке за доминирование в сфере «использования компьютера» (computer-use) участвуют такие технологические гиганты, как Google, OpenAI и Anthropic, а также специализированные стартапы с венчурным финансированием, такие как Browser Use, Polar, Strawberry и Aside.

Hark позиционирует себя как прорывную альтернативу, заявляя о превосходстве в скорости и значительно более низких операционных расходах по сравнению с такими тяжеловесными моделями, как GPT 5.5 или Opus 4.8. Сосредоточившись на специализированной архитектуре, ориентированной на действия, а не на универсальной текстовой модели, Hark стремится захватить рынок высокочастотной и недорогой автоматизации браузера.

Компания открыла лист ожидания для своей платформы и намерена запустить полноценный сервис к концу лета. Для разработчиков и основателей успех Handoff может стать сигналом перехода к «моделям действий» (Action Models), которые ставят приоритетом выполнение задач, а не просто ведение диалога.

Основные выводы

  • Архитектура, ориентированная на действия: В отличие от стандартных LLM, предсказывающих текстовые токены, модель Hark предсказывает конкретные действия пользователя, такие как клики и нажатия клавиш.
  • Автоматизация без API: Агент Handoff использует визуальные и структурные данные для навигации по таким сайтам, как Walmart и LinkedIn, которые не предоставляют официальных API.
  • Акцент на стоимости и скорости: Hark стремится предложить более низкие цены и меньшую задержку по сравнению с основными моделями, такими как GPT 5.5, ориентируясь на эффективную крупномасштабную автоматизацию задач в браузере.

За чем следить

  • Сроки запуска — Hark открыла лист ожидания и планирует полноценный релиз к концу лета.
  • Эволюция модели — Hark переходит от модели, прошедшей дообучение, к этапу полного предварительного обучения, запланированному на конец этого года.