Hark har bevidst vendt sig væk fra den normale LLM-paradigme. I stedet for at forudsige næste ord i en tekstsekvens er Handoffs model bygget til at forudsige næste handling i en grafisk brugergrænseflade – et klik, et scroll eller et tastetryk på en præcis position på skærmen . Den nuværende version bruger en post-trænet model (finjusteret på en eksisterende base), med planer om at gå over til træning fra bunden senere i 2026
. Hark siger, at denne tilgang gør det muligt at iterere hurtigere på data pipelines og træningsmetoder, før man forpligter sig til en fuld pre-training-runde
.
Hark hævder, at Handoff opnåede den hidtil højeste score på Online-Mind2Web (OM2W)-benchmarket, en menneske-evalueret industristandard for AI's evne til at navigere på nettet . De rapporterede scores er:
Prisen er opgivet til 0,18 USD pr. million input-tokens og 2,37 USD pr. million output-tokens – mindre end en tiendedel af prisen for GPT-5.5 (5 USD input / 30 USD output) . Hark hævder, at Handoff både er hurtigere og markant billigere end frontløbermodeller fra OpenAI, Anthropic og Google til webopgaver
. Det skal bemærkes, at der er tale om virksomhedens egne påstande på en tredjepartsbenchmark; uafhængig verifikation af succesrater for virkelige opgaver og omkostningssammenligninger er endnu ikke tilgængelig.
Pr. august 2026 er Handoff i en lukket research preview-fase. Brugere kan tilmelde sig en venteliste på Harks hjemmeside. En fuld offentlig lancering forventes ved udgangen af sommeren 2026 . Tech-stacken er stadig under udvikling: modellen er post-trænet for nu, med pre-training planlagt inden årets udgang
.