Hark свідомо відійшов від стандартної парадигми великих мовних моделей (LLM). Замість передбачення наступного слова в текстовій послідовності, модель Handoff архітектурно спроєктована на передбачення наступної дії в графічному інтерфейсі — кліку, скролу або введення з клавіатури в певній точці екрана . Поточний реліз використовує пост-треновану модель (доопрацьовану на основі існуючої бази), із планами перейти до попереднього тренування з нуля пізніше у 2026 році
. У Hark кажуть, що такий підхід дозволяє швидше ітерувати конвеєри даних і методи навчання, перш ніж переходити до повноцінного попереднього тренування
.
Hark стверджує, що Handoff отримав найвищий на сьогодні показник у бенчмарку Online-Mind2Web (OM2W), галузевому стандарті для оцінки продуктивності ШІ в навігації вебом, який оцінюється людьми . Заявлені результати:
Ціна становить $0,18 за мільйон вхідних токенів і $2,37 за мільйон вихідних токенів — менше ніж одна десята вартості GPT-5.5 ($5 / $30) . Hark стверджує, що Handoff є як швидшим, так і значно дешевшим за флагманські моделі від OpenAI, Anthropic та Google для веб-завдань
. Це заяви компанії на основі стороннього бенчмарку; незалежної верифікації реальних показників виконання завдань і порівняння витрат наразі немає.
Станом на серпень 2026 року Handoff перебуває у фазі закритого дослідницького прев'ю. Користувачі можуть зареєструватися в списку очікування на сайті Hark. Повноцінний публічний реліз очікується до кінця літа 2026 року . Технологічний стек ще розвивається: наразі модель є пост-тренованою, а попереднє тренування заплановане до кінця року
.