Handoff не обращается к API сайтов. Для каждой задачи он создает отдельный виртуальный компьютер — со своим браузером, файловой системой и терминалом — и взаимодействует с интерфейсами точно так же, как человек . Он анализирует структуру и визуальное оформление страницы, чтобы решить, куда кликнуть, что ввести и когда прокрутить. Это позволяет ему работать на сайтах, у которых нет публичных API для автоматизации, в том числе Target, Walmart, OpenTable, DoorDash, United, Delta и LinkedIn .
По заявлению Hark, агент справляется с широким спектром многошаговых задач :
Hark сознательно отошла от стандартной парадигмы языковых моделей. Вместо того чтобы предсказывать следующее слово, модель Handoff обучена предсказывать следующее действие в графическом интерфейсе — клик, скролл или ввод текста в определенном месте экрана . На старте используется пост-тренированная модель (дообученная на базе существующей), но в планах — полностью самостоятельное обучение (pre-training) во второй половине 2026 года . В Hark говорят, что такой подход позволяет быстрее тестировать новые методы и пайплайны до запуска полного цикла обучения .
Hark утверждает, что Handoff показал лучший результат за всю историю на бенчмарке Online-Mind2Web (OM2W) — отраслевом стандарте для оценки ИИ-агентов, работающих с браузером, протестированном с участием людей .
Цены: $0,18 за миллион входных токенов и $2,37 за миллион выходных — это менее одной десятой от расценок GPT-5.5 ($5 / $30) . Hark заявляет, что Handoff работает быстрее и значительно дешевле флагманских моделей OpenAI, Anthropic и Google для браузерных задач . Важно отметить: это заявления самой компании, основанные на стороннем бенчмарке; независимое подтверждение реальной эффективности и честного сравнения затрат пока отсутствует.
На август 2026 года Handoff находится в стадии закрытого исследовательского превью. На сайте Hark можно оставить заявку и попасть в лист ожидания. Полный публичный запуск ожидается к концу лета 2026 года . Технология продолжает развиваться: пока модель работает на пост-тренировке, полноценное обучение с нуля запланировано до конца года .
Handoff не обращается к API сайтов. Для каждой задачи он создает отдельный виртуальный компьютер — со своим браузером, файловой системой и терминалом — и взаимодействует с интерфейсами точно так же, как человек . Он анализирует структуру и визуальное оформление страницы, чтобы решить, куда кликнуть, что ввести и когда прокрутить. Это позволяет ему работать на сайтах, у которых нет публичных API для автоматизации, в том числе Target, Walmart, OpenTable, DoorDash, United, Delta и LinkedIn .
По заявлению Hark, агент справляется с широким спектром многошаговых задач :
Hark сознательно отошла от стандартной парадигмы языковых моделей. Вместо того чтобы предсказывать следующее слово, модель Handoff обучена предсказывать следующее действие в графическом интерфейсе — клик, скролл или ввод текста в определенном месте экрана . На старте используется пост-тренированная модель (дообученная на базе существующей), но в планах — полностью самостоятельное обучение (pre-training) во второй половине 2026 года . В Hark говорят, что такой подход позволяет быстрее тестировать новые методы и пайплайны до запуска полного цикла обучения .
Hark утверждает, что Handoff показал лучший результат за всю историю на бенчмарке Online-Mind2Web (OM2W) — отраслевом стандарте для оценки ИИ-агентов, работающих с браузером, протестированном с участием людей .
Цены: $0,18 за миллион входных токенов и $2,37 за миллион выходных — это менее одной десятой от расценок GPT-5.5 ($5 / $30) . Hark заявляет, что Handoff работает быстрее и значительно дешевле флагманских моделей OpenAI, Anthropic и Google для браузерных задач . Важно отметить: это заявления самой компании, основанные на стороннем бенчмарке; независимое подтверждение реальной эффективности и честного сравнения затрат пока отсутствует.
На август 2026 года Handoff находится в стадии закрытого исследовательского превью. На сайте Hark можно оставить заявку и попасть в лист ожидания. Полный публичный запуск ожидается к концу лета 2026 года . Технология продолжает развиваться: пока модель работает на пост-тренировке, полноценное обучение с нуля запланировано до конца года .