Wie Handoff Webseiten ohne APIs navigiert

Handoff verlässt sich nicht auf offizielle Schnittstellen. Für jede Aufgabe startet das System einen dedizierten virtuellen Computer – mit eigenem Browser, Dateisystem und Terminal – und interagiert mit Webseiten genauso wie ein Mensch . Es analysiert die Seitenstruktur und visuelle Hinweise, um zu entscheiden, wo es klicken, was es eingeben und wann es scrollen muss. Dadurch kann es auf Seiten wie Target, Walmart, OpenTable, DoorDash, United, Delta und LinkedIn arbeiten, die keine öffentlichen Automatisierungsschnittstellen bieten .

Welche Aufgaben automatisiert Handoff?

Laut Hark bewältigt Handoff eine Vielzahl mehrstufiger Online-Aufgaben :

• Essen bestellen (z. B. DoorDash)
• Reisen buchen (z. B. United, Delta)
• Einkaufen (z. B. Target, Walmart)
• Restaurantreservierungen (z. B. OpenTable)
• Nachrichten und Rekrutierung (z. B. LinkedIn)
• Recherche, Steuererklärungen und andere formularlastige Aufgaben

Architektur: Vorhersage der nächsten Aktion, nicht des nächsten Tokens

Hark hat sich bewusst vom Standard-LLM-Paradigma abgewandt. Statt das nächste Wort in einer Textsequenz vorherzusagen, ist Handoffs Modell darauf ausgelegt, die nächste grafische Benutzeroberflächen-Aktion zu prognostizieren – einen Klick, ein Scrollen oder eine Tastatureingabe an einer bestimmten Bildschirmposition . Die aktuelle Version nutzt ein nachtrainiertes Modell (Feinabstimmung auf Basis eines bestehenden Modells); für später im Jahr 2026 ist ein Training von Grund auf geplant . Hark gibt an, dass dieser Ansatz schnellere Iterationen bei Datenpipelines und Trainingsmethoden ermöglicht, bevor man sich auf ein vollständiges Vortraining einlässt .

Benchmark-Ergebnisse: 97,7 im OM2W

Hark beansprucht für Handoff den besten jemals erzielten Wert im Online-Mind2Web (OM2W)-Benchmark, einem bewerteten Industriestandard für die KI-Leistung beim Surfen im Web . Die gemeldeten Werte:

• Hark Handoff: 97,7
• GPT-5.5: 92,8
• Opus 4.8: 84,1
• Gemini 2.5 Pro: 69,0

Die Preisgestaltung liegt bei 0,18 $ pro Million Input-Token und 2,37 $ pro Million Output-Token – weniger als ein Zehntel der Kosten von GPT-5.5 (5 $ Input / 30 $ Output) . Hark behauptet, Handoff sei sowohl schneller als auch drastisch günstiger als die führenden Modelle von OpenAI, Anthropic und Google für Webaufgaben . Es handelt sich um Unternehmensangaben auf einem Dritt-Benchmark; eine unabhängige Überprüfung der realen Erfolgsquoten und Kostenvergleiche steht noch aus.

Aktueller Status

Seit August 2026 befindet sich Handoff in einer geschlossenen Forschungsvorschau. Interessierte können sich auf der Hark-Website für eine Warteliste eintragen. Ein vollständiger öffentlicher Release wird für Ende Sommer 2026 erwartet . Der Tech-Stack ist noch in der Entwicklung: Das Modell ist derzeit nachtrainiert; ein Vortraining ist bis Jahresende geplant .

Wie Handoff Webseiten ohne APIs navigiert

Handoff verlässt sich nicht auf offizielle Schnittstellen. Für jede Aufgabe startet das System einen dedizierten virtuellen Computer – mit eigenem Browser, Dateisystem und Terminal – und interagiert mit Webseiten genauso wie ein Mensch . Es analysiert die Seitenstruktur und visuelle Hinweise, um zu entscheiden, wo es klicken, was es eingeben und wann es scrollen muss. Dadurch kann es auf Seiten wie Target, Walmart, OpenTable, DoorDash, United, Delta und LinkedIn arbeiten, die keine öffentlichen Automatisierungsschnittstellen bieten .

Welche Aufgaben automatisiert Handoff?

Laut Hark bewältigt Handoff eine Vielzahl mehrstufiger Online-Aufgaben :

• Essen bestellen (z. B. DoorDash)
• Reisen buchen (z. B. United, Delta)
• Einkaufen (z. B. Target, Walmart)
• Restaurantreservierungen (z. B. OpenTable)
• Nachrichten und Rekrutierung (z. B. LinkedIn)
• Recherche, Steuererklärungen und andere formularlastige Aufgaben

Architektur: Vorhersage der nächsten Aktion, nicht des nächsten Tokens

Hark hat sich bewusst vom Standard-LLM-Paradigma abgewandt. Statt das nächste Wort in einer Textsequenz vorherzusagen, ist Handoffs Modell darauf ausgelegt, die nächste grafische Benutzeroberflächen-Aktion zu prognostizieren – einen Klick, ein Scrollen oder eine Tastatureingabe an einer bestimmten Bildschirmposition . Die aktuelle Version nutzt ein nachtrainiertes Modell (Feinabstimmung auf Basis eines bestehenden Modells); für später im Jahr 2026 ist ein Training von Grund auf geplant . Hark gibt an, dass dieser Ansatz schnellere Iterationen bei Datenpipelines und Trainingsmethoden ermöglicht, bevor man sich auf ein vollständiges Vortraining einlässt .

Benchmark-Ergebnisse: 97,7 im OM2W

Hark beansprucht für Handoff den besten jemals erzielten Wert im Online-Mind2Web (OM2W)-Benchmark, einem bewerteten Industriestandard für die KI-Leistung beim Surfen im Web . Die gemeldeten Werte:

• Hark Handoff: 97,7
• GPT-5.5: 92,8
• Opus 4.8: 84,1
• Gemini 2.5 Pro: 69,0

Die Preisgestaltung liegt bei 0,18 $ pro Million Input-Token und 2,37 $ pro Million Output-Token – weniger als ein Zehntel der Kosten von GPT-5.5 (5 $ Input / 30 $ Output) . Hark behauptet, Handoff sei sowohl schneller als auch drastisch günstiger als die führenden Modelle von OpenAI, Anthropic und Google für Webaufgaben . Es handelt sich um Unternehmensangaben auf einem Dritt-Benchmark; eine unabhängige Überprüfung der realen Erfolgsquoten und Kostenvergleiche steht noch aus.

Aktueller Status

Seit August 2026 befindet sich Handoff in einer geschlossenen Forschungsvorschau. Interessierte können sich auf der Hark-Website für eine Warteliste eintragen. Ein vollständiger öffentlicher Release wird für Ende Sommer 2026 erwartet . Der Tech-Stack ist noch in der Entwicklung: Das Modell ist derzeit nachtrainiert; ein Vortraining ist bis Jahresende geplant .