Hark, một startup tăng trưởng cao được hỗ trợ bởi 700 triệu USD trong vòng gọi vốn Series A, đã chính thức giới thiệu bản xem trước của "Handoff", một tác nhân thông minh được thiết kế để điều hướng web giống như con người. Bằng cách vượt xa việc chỉ tạo văn bản đơn thuần, Handoff hướng tới việc tự động hóa các quy trình làm việc phức tạp trên các trang web thiếu sự hỗ trợ từ API chính thức.

Điều hướng Web không cần API

Một trong những rào cản lớn nhất trong tự động hóa là sự phụ thuộc vào các API có cấu trúc. Tác nhân Handoff của Hark vượt qua giới hạn này bằng cách phân tích cả cấu trúc trang web bên dưới và dữ liệu hình ảnh để tương tác với các giao diện. Điều này cho phép tác nhân điều hướng liền mạch trên các nền tảng có lưu lượng truy cập cao nhưng không có API như Target, Walmart, OpenTable và LinkedIn.

Tác nhân này hoạt động bằng cách hiểu các tín hiệu hình ảnh để xác định khi nào cần nhấp vào nút, cuộn trang hoặc nhập văn bản. Trong một buổi trình diễn gần đây, CEO Brett Adcock đã cho thấy khả năng xử lý logic "mơ hồ" (fuzzy logic) phức tạp của tác nhân—chẳng hạn như tạo một bó hoa tùy chỉnh mà người dùng chỉ yêu cầu "một vài loại do thợ cắm hoa tự chọn". Khả năng này cho thấy một mức độ hiểu biết về ngữ nghĩa vượt xa việc thực thi các câu lệnh cứng nhắc, cho phép sự tương tác giữa người và tác nhân trở nên tự nhiên hơn.

Sự chuyển dịch từ Dự đoán Token tiếp theo sang Dự đoán Hành động tiếp theo

Về mặt kỹ thuật, Hark đang chuyển hướng khỏi mô hình Large Language Model (LLM) tiêu chuẩn. Trong khi các LLM truyền thống được tối ưu hóa để dự đoán token tiếp theo trong một chuỗi văn bản, mô hình của Hark được thiết kế để dự đoán "hành động tiếp theo". Điều này có nghĩa là mô hình sẽ tính toán cụ thể tương tác vật lý hoặc kỹ thuật số tiếp theo, chẳng hạn như một phím nhập cụ thể hoặc một cú nhấp chuột tại một tọa độ chính xác trên màn hình.

Để đẩy nhanh quá trình phát triển, Hark hiện đang sử dụng một mô hình hậu huấn luyện (post-trained model). Chiến lược này cho phép công ty nhanh chóng tinh chỉnh cơ sở hạ tầng huấn luyện, đường ống dữ liệu (data pipelines) và các kỹ thuật chuyên dụng trước khi chuyển sang giai đoạn tiền huấn luyện (pre-training) đầy đủ dự kiến vào cuối năm nay. Cách tiếp cận lặp đi lặp lại này được thiết kế để tối ưu hóa tác nhân về tốc độ và hiệu quả chi phí.

Bối cảnh cạnh tranh của các Tác nhân sử dụng máy tính

Hark bước vào một đấu trường đông đúc và đầy tính cạnh tranh. Cuộc đua giành thế thống trị trong việc "sử dụng máy tính" bao gồm các gã khổng lồ công nghệ như Google, OpenAI và Anthropic, cùng với các startup chuyên biệt được các quỹ đầu tư mạo hiểm (VC) rót vốn như Browser Use, Polar, Strawberry và Aside.

Hark đang định vị mình như một giải pháp thay thế mang tính đột phá bằng cách khẳng định tốc độ vượt trội và chi phí vận hành thấp hơn đáng kể so với các mô hình nặng ký như GPT 5.5 hoặc Opus 4.8. Bằng cách tập trung vào kiến trúc chuyên biệt hướng tới hành động thay vì mô hình văn bản đa năng, Hark tìm cách chiếm lĩnh thị trường tự động hóa trình duyệt tần suất cao, chi phí thấp.

Công ty đã mở danh sách chờ cho nền tảng của mình và dự định ra mắt dịch vụ đầy đủ vào cuối mùa hè này. Đối với các nhà phát triển và nhà sáng lập, sự thành công của Handoff có thể báo hiệu một sự chuyển dịch sang các "Mô hình Hành động" (Action Models) ưu tiên việc hoàn thành nhiệm vụ hơn là chỉ đơn thuần là trò chuyện.

Các điểm chính cần lưu ý

  • Kiến trúc hướng hành động: Không giống như các LLM tiêu chuẩn dự đoán các token văn bản, mô hình của Hark dự đoán các hành động cụ thể của người dùng như nhấp chuột và gõ phím.
  • Tự động hóa không cần API: Tác nhân Handoff sử dụng dữ liệu hình ảnh và cấu trúc để điều hướng các trang web như Walmart và LinkedIn vốn không cung cấp API chính thức.
  • Tập trung vào Chi phí và Tốc độ: Hark đặt mục tiêu hạ thấp mức giá và độ trễ so với các mô hình lớn như GPT 5.5, nhắm tới việc tự động hóa các tác vụ trình duyệt quy mô lớn và hiệu quả.

Những điều cần theo dõi

  • Lộ trình ra mắt – Hark đã mở danh sách chờ và có kế hoạch phát hành đầy đủ vào cuối mùa hè.
  • Sự tiến hóa của mô hình – Hark đang chuyển từ mô hình hậu huấn luyện sang giai đoạn tiền huấn luyện đầy đủ dự kiến vào cuối năm nay.