Handoff tidak bergantung pada API resmi. Untuk setiap tugas, ia membuat komputer virtual khusus—lengkap dengan browser, sistem file, dan terminal sendiri—dan berinteraksi dengan situs web persis seperti manusia . Ia membaca struktur halaman dan isyarat visual untuk memutuskan di mana harus klik, apa yang harus diketik, dan kapan harus scroll. Ini memungkinkannya beroperasi di situs yang tidak punya endpoint otomatisasi publik, termasuk Target, Walmart, OpenTable, DoorDash, United, Delta, dan LinkedIn .
Menurut Hark, Handoff menangani beragam alur kerja online multi-langkah :
Hark sengaja menjauh dari paradigma LLM standar. Alih-alih memprediksi kata berikutnya dalam urutan teks, model Handoff dirancang untuk memprediksi aksi antarmuka pengguna grafis berikutnya—klik, scroll, atau input keyboard di lokasi layar tertentu . Rilis saat ini menggunakan model post-trained (fine-tune di atas basis yang sudah ada), dengan rencana beralih ke pre-training dari nol pada akhir 2026 . Hark mengatakan pendekatan ini memungkinkan mereka iterasi lebih cepat pada pipeline data dan metode pelatihan sebelum berkomitmen ke putaran pre-training penuh .
Hark mengklaim Handoff mencapai skor tertinggi sejauh ini di benchmark Online-Mind2Web (OM2W), standar industri yang dievaluasi manusia untuk performa AI browsing web . Skor yang dilaporkan:
Harga tercatat $0,18 per juta token input dan $2,37 per juta token output—kurang dari sepersepuluh biaya GPT-5.5 ($5 input / $30 output) . Hark mengklaim Handoff lebih cepat dan jauh lebih murah daripada model frontier dari OpenAI, Anthropic, dan Google untuk tugas web-use . Ini adalah klaim perusahaan pada benchmark pihak ketiga; verifikasi independen untuk tingkat penyelesaian tugas nyata dan perbandingan biaya belum tersedia.
Per Agustus 2026, Handoff berada dalam fase pratinjau riset tertutup. Pengguna bisa mendaftar waiting list di situs Hark. Rilis publik penuh diharapkan akhir musim panas 2026 . Tumpukan teknologi masih berkembang: model saat ini post-trained, dengan pre-training direncanakan sebelum akhir tahun .
Handoff tidak bergantung pada API resmi. Untuk setiap tugas, ia membuat komputer virtual khusus—lengkap dengan browser, sistem file, dan terminal sendiri—dan berinteraksi dengan situs web persis seperti manusia . Ia membaca struktur halaman dan isyarat visual untuk memutuskan di mana harus klik, apa yang harus diketik, dan kapan harus scroll. Ini memungkinkannya beroperasi di situs yang tidak punya endpoint otomatisasi publik, termasuk Target, Walmart, OpenTable, DoorDash, United, Delta, dan LinkedIn .
Menurut Hark, Handoff menangani beragam alur kerja online multi-langkah :
Hark sengaja menjauh dari paradigma LLM standar. Alih-alih memprediksi kata berikutnya dalam urutan teks, model Handoff dirancang untuk memprediksi aksi antarmuka pengguna grafis berikutnya—klik, scroll, atau input keyboard di lokasi layar tertentu . Rilis saat ini menggunakan model post-trained (fine-tune di atas basis yang sudah ada), dengan rencana beralih ke pre-training dari nol pada akhir 2026 . Hark mengatakan pendekatan ini memungkinkan mereka iterasi lebih cepat pada pipeline data dan metode pelatihan sebelum berkomitmen ke putaran pre-training penuh .
Hark mengklaim Handoff mencapai skor tertinggi sejauh ini di benchmark Online-Mind2Web (OM2W), standar industri yang dievaluasi manusia untuk performa AI browsing web . Skor yang dilaporkan:
Harga tercatat $0,18 per juta token input dan $2,37 per juta token output—kurang dari sepersepuluh biaya GPT-5.5 ($5 input / $30 output) . Hark mengklaim Handoff lebih cepat dan jauh lebih murah daripada model frontier dari OpenAI, Anthropic, dan Google untuk tugas web-use . Ini adalah klaim perusahaan pada benchmark pihak ketiga; verifikasi independen untuk tingkat penyelesaian tugas nyata dan perbandingan biaya belum tersedia.
Per Agustus 2026, Handoff berada dalam fase pratinjau riset tertutup. Pengguna bisa mendaftar waiting list di situs Hark. Rilis publik penuh diharapkan akhir musim panas 2026 . Tumpukan teknologi masih berkembang: model saat ini post-trained, dengan pre-training direncanakan sebelum akhir tahun .