Hark, kampuni changa inayokua kwa kasi iliyopata ufadhili wa Series A wa dola milioni 700, imezindua rasmi "Handoff," wakala mwerevu (intelligent agent) aliyeundwa kutumia mtandao kama binadamu. Kwa kuendelea mbali zaidi na uundaji wa maandishi pekee, Handoff inalenga kuendesha mifumo tata ya kazi (workflows) kwenye tovuti ambazo hazina msaada wa API rasmi.

Kutumia Mtandao Bila API

Moja ya vikwazo vikubwa katika uendeshaji wa kiotomatiki (automation) ni utegemezi wa API zilizopangwa. Wakala wa Handoff wa Hark unavuka kikomo hiki kwa kuchanganua muundo wa tovuti na data za picha ili kuingiliana na mifumo (interfaces). Hii inamruhusu wakala huyo kutumia tovuti zenye mzunguko mkubwa wa watumiaji ambazo hazina API, kama vile Target, Walmart, OpenTable, na LinkedIn, bila matatizo.

Wakala huyu hufanya kazi kwa kuelewa ishara za picha ili kuamua wakati wa kubofya vitufe, kusogeza ukurasa (scroll), au kuingiza maandishi. Katika onyesho la hivi karibuni, Mkurugenzi Mtendaji Brett Adcock alionyesha uwezo wa wakala huyo wa kushughulikia mantiki tata ya "fuzzy"—kama vile kuunda mkungu wa maua maalum ambapo mtumiaji anaeleza "baadhi ya machaguo ya mfamasia wa maua." Uwezo huu unaashiria kiwango cha uelewa wa kimaana (semantic understanding) unaovuka utekelezaji wa amri za kawaida, na kuruhusu mawasiliano ya asili zaidi kati ya binadamu na wakala.

Mabadiliko kutoka Utabiri wa Next-Token kwenda Next-Action

Kitaalamu, Hark inabadilika kutoka kwenye mfumo wa kawaida wa Large Language Model (LLM). Wakati LLM za kawaida zimeboreshwa kutabiri "token" inayofuata katika mfuatano wa maandishi, modeli ya Hark imeundwa kutabiri "kitendo kinachofuata" (next action). Hii ina maana kwamba modeli hiyo inatafiti mahususi mwingiliano unaofuata wa kimwili au wa kidijitali, kama vile uingizaji maalum wa kibodi au mbofyo wa panya kwenye sehemu maalum ya skrini.

Ili kuharakisha maendeleo, Hark kwa sasa inatumia modeli iliyofundishwa baada ya mafunzo (post-trained model). Mkakati huu unaruhusu kampuni kuboresha kwa haraka miundombinu yake ya mafunzo, mifumo ya data (data pipelines), na mbinu maalum kabla ya kuhamia hatua kamili ya mafunzo ya awali (pre-training) inayotarajiwa mwishoni mwa mwaka huu. Mtindo huu wa marudio umeundwa kuuboresha wakala huyo kwa ajili ya kasi na ufanisi wa gharama.

Mazingira ya Ushindani ya Wakala wa Matumizi ya Kompyuta

Hark inaingia katika uwanja wenye ushindani mkubwa na wenye watu wengi. Mashindano ya kutawala "matumizi ya kompyuta" yanajumuisha makampuni makubwa ya teknolojia kama Google, OpenAI, na Anthropic, pamoja na kampuni changa maalum zinazofadhiliwa na VC kama Browser Use, Polar, Strawberry, na Aside.

Hark inajiweka kama mbadala wenye nguvu kwa kudai kasi bora na gharama za uendeshaji ndogo zaidi ikilinganishwa na modeli nzito kama GPT 5.5 au Opus 4.8. Kwa kuzingatia usanifu maalum unaolenga vitendo badala ya modeli ya maandishi ya matumizi ya jumla, Hark inatafuta kuteka soko la uendeshaji wa kivinjari (browser automation) wa mara kwa mara na gharama nafuu.

Kampuni imefungua orodha ya kusubiri (waitlist) kwa ajili ya jukwaa lake na inakusudia kuzindua huduma kamili kufikia mwishoni mwa msimu wa joto (summer). Kwa watengenezaji (developers) na waanzilishi, mafanikio ya Handoff yanaweza kuashiria mabadiliko kuelekea "Action Models" zinazotoa kipaumbele katika kukamilisha kazi badala ya mazungumzo tu.

Mambo Muhimu ya Kuzingatia

  • Usanifu unaolenga Vitendo: Tofauti na LLM za kawaida zinazotabiri token za maandishi, modeli ya Hark inatabiri vitendo maalum vya mtumiaji kama mbofyo na uandishi wa kibodi.
  • Uendeshaji wa Kiotomatiki Bila API: Wakala wa Handoff unatumia data za picha na muundo kutumia tovuti kama Walmart na LinkedIn ambazo hazitoi API rasmi.
  • Lengo la Gharama na Kasi: Hark inalenga kupunguza bei na ucheleweshaji (latency) wa modeli kuu kama GPT 5.5, ikilenga uendeshaji wa kazi za kivinjari kwa ufanisi na kwa kiwango kikubwa.

Cha kufuatilia

  • Ratiba ya uzinduzi – Hark imefungua orodha ya kusubiri na inapanga uzinduzi kamili kufikia mwishoni mwa msimu wa joto.
  • Ukuaji wa modeli – Hark inahamia kutoka modeli iliyofundishwa baada ya mafunzo (post-trained model) kwenda hatua kamili ya mafunzo ya awali (pre-training) inayotarajiwa mwishoni mwa mwaka huu.