Hark发布浏览器代理“Handoff”：能看懂网页结构，却难逃演示片段的质疑

【科技24时区】今年5月才在A轮融资中狂揽7亿美元的新锐初创公司Hark，今日正式推出了其核心产品——浏览器代理工具“Hark Handoff”。这款工具的核心卖点在于，它能够高效地操控浏览器，替用户完成各类繁琐任务。

值得注意的是，Hark声称Handoff具备极强的兼容性，即便面对Target、沃尔玛、OpenTable或LinkedIn等没有提供官方API接口的网站，它也能游刃有余地进行导航和操作。其背后的技术逻辑并非依赖传统的接口调用，而是通过解析网站的底层结构与视觉数据，自主判断何时需要点击按钮，何时需要输入信息。这种“看屏操作”的思路，与此前市面上涌现的大量基于浏览器的AI代理如出一辙。

从功能场景来看，用户只需下达指令，Handoff便能代为执行订餐、买咖啡、预订差旅机票、申报退税、采购生活必需品、餐厅订位，甚至跨平台搜集资料进行调研。在一段演示视频中，Hark首席执行官布雷特·阿德科克（Brett Adcock）展示了该助手如何根据用户指定的花卉种类构建花束，甚至能理解诸如“由花店酌情搭配部分花材”这样模糊的语义指令。

然而，这段视频仅展示了流程的片段，外界难以据此全面评估其在复杂真实环境下的实际效能与稳定性。这不禁让人联想到此前许多AI演示中常见的“剪辑魔法”，真实落地能力仍有待观察。

在技术路线上，Hark透露当前版本采用的是后训练模型，并计划在今年晚些时候转向预训练模式。公司方面认为，这种分阶段策略有助于更快速地优化数据管道、训练基础设施及相关算法技巧。更关键的是，Hark强调其模型与大语言模型（LLM）预测下一个Token的传统路径不同，Handoff旨在预测“下一个动作”——即在特定坐标位置进行鼠标点击或键盘输入。这种从“文本生成”到“行为预测”的转变，被视为提升自动化精度的关键一步。

眼下，计算机使用代理（Computer-Use Agents）赛道已拥挤不堪。除了谷歌、OpenAI和Anthropic等巨头外，还有Browser Use、Polar、Strawberry和Aside等众多获得风投支持的初创公司在深耕浏览器任务自动化领域。Hark试图以速度和成本优势突围，宣称Handoff比竞争对手更快，且运行成本远低于GPT 5.5和Opus 4.8等高端模型。目前，该平台已开放等待名单，预计将在夏末正式发布。