Comment Handoff navigue sur les sites Web sans API

Handoff n'utilise pas d'API officielles. Pour chaque tâche, il déploie un ordinateur virtuel dédié — avec son propre navigateur, son système de fichiers et son terminal — et interagit avec les sites de la même manière qu'un humain . Il analyse la structure des pages et les indices visuels pour décider où cliquer, quoi taper et quand faire défiler. Cela lui permet de fonctionner sur des sites qui ne proposent pas d'API publiques d'automatisation, notamment Target, Walmart, OpenTable, DoorDash, United, Delta et LinkedIn .

Quelles tâches Handoff peut-il automatiser ?

Selon Hark, Handoff peut exécuter une large gamme de workflows en ligne complexes :

• Commander à manger (ex. DoorDash)
• Réserver un voyage (ex. billets d'avion United, Delta)
• Faire du shopping (ex. Target, Walmart)
• Réserver un restaurant (ex. OpenTable)
• Messagerie et recrutement (ex. LinkedIn)
• Recherche, déclarations fiscales et autres tâches liées à des formulaires

Architecture : prédire l'action suivante, pas le mot suivant

Hark s'est délibérément éloigné du paradigme standard des LLM. Au lieu de prédire le mot suivant dans une séquence de texte, le modèle de Handoff est conçu pour prédire la prochaine action dans l'interface graphique — un clic, un défilement ou une saisie clavier à un emplacement précis de l'écran . La version actuelle utilise un modèle post-entraîné (affiné à partir d'une base existante), avec des projets de passer à un pré-entraînement complet à partir de zéro plus tard en 2026 . Hark indique que cette approche permet d'itérer plus rapidement sur les pipelines de données et les méthodes d'entraînement avant de se lancer dans un cycle de pré-entraînement complet .

Performances sur les benchmarks : 97,7 sur OM2W

Hark affirme que Handoff a obtenu le meilleur score à ce jour sur le benchmark Online-Mind2Web (OM2W), une référence de l'industrie évaluée par des humains pour les performances des agents de navigation web . Les scores rapportés sont :

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

La tarification est annoncée à 0,18 $ par million de tokens en entrée et 2,37 $ par million de tokens en sortie — soit moins d'un dixième du coût de GPT-5.5 (5 $ en entrée / 30 $ en sortie) . Hark affirme que Handoff est à la fois plus rapide et nettement moins cher que les modèles d'OpenAI, Anthropic et Google pour les tâches de navigation web . Il s'agit de déclarations de l'entreprise sur un benchmark tiers ; une vérification indépendante des taux de complétion de tâches réelles et des comparaisons de coûts n'est pas encore disponible.

Statut actuel

En août 2026, Handoff est en phase de preview de recherche fermée. Les utilisateurs peuvent s'inscrire sur liste d'attente via le site de Hark. Une sortie publique complète est attendue pour la fin de l'été 2026 . La pile technologique est encore en évolution : le modèle est post-entraîné pour l'instant, avec un pré-entraînement prévu avant la fin de l'année .

Comment Handoff navigue sur les sites Web sans API

Handoff n'utilise pas d'API officielles. Pour chaque tâche, il déploie un ordinateur virtuel dédié — avec son propre navigateur, son système de fichiers et son terminal — et interagit avec les sites de la même manière qu'un humain . Il analyse la structure des pages et les indices visuels pour décider où cliquer, quoi taper et quand faire défiler. Cela lui permet de fonctionner sur des sites qui ne proposent pas d'API publiques d'automatisation, notamment Target, Walmart, OpenTable, DoorDash, United, Delta et LinkedIn .

Quelles tâches Handoff peut-il automatiser ?

Selon Hark, Handoff peut exécuter une large gamme de workflows en ligne complexes :

• Commander à manger (ex. DoorDash)
• Réserver un voyage (ex. billets d'avion United, Delta)
• Faire du shopping (ex. Target, Walmart)
• Réserver un restaurant (ex. OpenTable)
• Messagerie et recrutement (ex. LinkedIn)
• Recherche, déclarations fiscales et autres tâches liées à des formulaires

Architecture : prédire l'action suivante, pas le mot suivant

Hark s'est délibérément éloigné du paradigme standard des LLM. Au lieu de prédire le mot suivant dans une séquence de texte, le modèle de Handoff est conçu pour prédire la prochaine action dans l'interface graphique — un clic, un défilement ou une saisie clavier à un emplacement précis de l'écran . La version actuelle utilise un modèle post-entraîné (affiné à partir d'une base existante), avec des projets de passer à un pré-entraînement complet à partir de zéro plus tard en 2026 . Hark indique que cette approche permet d'itérer plus rapidement sur les pipelines de données et les méthodes d'entraînement avant de se lancer dans un cycle de pré-entraînement complet .

Performances sur les benchmarks : 97,7 sur OM2W

Hark affirme que Handoff a obtenu le meilleur score à ce jour sur le benchmark Online-Mind2Web (OM2W), une référence de l'industrie évaluée par des humains pour les performances des agents de navigation web . Les scores rapportés sont :

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

La tarification est annoncée à 0,18 $ par million de tokens en entrée et 2,37 $ par million de tokens en sortie — soit moins d'un dixième du coût de GPT-5.5 (5 $ en entrée / 30 $ en sortie) . Hark affirme que Handoff est à la fois plus rapide et nettement moins cher que les modèles d'OpenAI, Anthropic et Google pour les tâches de navigation web . Il s'agit de déclarations de l'entreprise sur un benchmark tiers ; une vérification indépendante des taux de complétion de tâches réelles et des comparaisons de coûts n'est pas encore disponible.

Statut actuel

En août 2026, Handoff est en phase de preview de recherche fermée. Les utilisateurs peuvent s'inscrire sur liste d'attente via le site de Hark. Une sortie publique complète est attendue pour la fin de l'été 2026 . La pile technologique est encore en évolution : le modèle est post-entraîné pour l'instant, avec un pré-entraînement prévu avant la fin de l'année .