它替你点完最后一步
Handoff 不回答问题,它替你把事办完。在 DoorDash 点外卖、在美联航订机票、在 LinkedIn 上给求职者发消息,全程不用你插手。
你说一句话,它开一台电脑去干活。
每接到一个请求,Hark 会临时启一台专属的虚拟电脑,有自己的浏览器、自己的文件夹、自己的命令行窗口。你可以把自己的账号连上去,它就能用你保存好的地址、支付方式和历史记录直接下单。这就是所谓的计算机使用 agent(能像人一样看屏幕、点按钮、填表格的 AI 程序),和聊天机器人最大的区别是:聊天机器人给你一段文字,它给你一份已经下好的订单。
Hark 创始人 Brett Adcock(他同时还是人形机器人公司 Figure AI 的创始人兼 CEO)在四分钟的发布视频里坐在一间空荡的仓库,对着 Handoff 说「让这地方活跃点……来点玫瑰,也许再来点樱花」。画面里 Handoff 自己打开一家花店的网站,一路点到付款。Adcock 说,他现在的招聘工作从头到尾都交给它做。
他这样形容:
它一直在工作,它在循环。
今天起 hark.com 开放注册,产品本月晚些时候上线。
千分之一的门
人一天 75% 的屏幕时间花在浏览器里,但不到千分之一的网站给机器留了门,所以 AI 只能像人一样点鼠标。
这是 Handoff 存在的理由。
软件之间互相调用,靠的是API(网站专门开给程序用的一道侧门,机器可以直接读数据、下指令,不必去点页面上的按钮)。有 API,AI 干活就是一句话的事。但 Hark 自己的调研发现,一千个网站里不到一个开了这道门。
剩下那九百九十九个只留了人类那条路:打开页面、找到按钮、填表、确认。牙医的预约系统、学校的缴费页面、花店的下单页面,都没有 API,也几乎不会有。
Hark 赌的是另一头:与其等一千个网站为 AI 改造自己,不如教 AI 用人的方式用网页。
97.7 分,和缺席者
Handoff 在第三方榜单 Online-Mind2Web 上拿了 97.7 分,创下该榜历史最高;但同台的四个对手全是上一代模型,OpenAI 的 GPT-5.6 和 Anthropic 的 Opus 5 都不在场。
这个榜单本身是可信的。Online-Mind2Web 由第三方维护,成绩由人来评判 agent 有没有真的把任务办成,不是让机器给自己打分。Handoff 的 97.7 分,对手是 OpenAI 的 GPT 5.4(92.8)、Anthropic 的 Claude Opus 4.8(84.1)、Google 的 Gemini 2.5 Pro(69)。
缺的是现在真正最强的那几个:OpenAI 的 GPT-5.6、Anthropic 的 Opus 5,以及 DeepSeek V4、Kimi K3、Qwen3.8-Max 这几个操作电脑很强的开源模型。它们没有公布过这个榜单的成绩,也没有第三方替它们提交,所以 Hark 的「历史最高」暂时无法和最强的系统对照。
缺席之所以要紧,是因为新一代模型进步最大的地方,恰恰就是操作电脑。在另一个覆盖完整电脑操作的基准 OSWorld 2.0 上,Anthropic 的 Opus 5 拿到约 70.6%,而 Hark 挑来做对照的 Opus 4.8 只有 55.7%。一代之间涨了近十五个百分点。
VentureBeat 问 Hark 会不会补上和这些新模型的对比,公司没有正面回答。
谁在给它打分
Hark 展示的三个基准里只有一个是第三方的,另外两个跑在 Hark 自己的环境里、由 Hark 自己的 AI 裁判判分;而在其中一个上,GPT 5.5 反而赢了 Handoff。
WebTailBench v2 上,GPT 5.5 得 72.3,Handoff 68.6。这是 Hark 自己成绩表里的数字。它自己给出的三张成绩单,已经有一张不支持「最好」这个说法。
三个基准里,WebTailBench 和一个没有公开名字的内部评测都跑在 Hark 自己的测试框架里,通过率由 Hark 内部的一个 AI 裁判计算。出题、监考、批卷在同一屋檐下。
速度也一样。Hark 报的每轮响应时间是 0.8 秒,GPT 5.5 是 6.8 秒、Opus 4.8 是 6 秒。但后两个数字是 Hark 自己测的,而且测的时候把竞品调到了推理档位的最高一档,也就是最慢的那一档。目前没有任何独立第三方测过这几个数。
价格是最硬的一条
在 Handoff 的所有声明里,价格是唯一可以直接核对的一条:输入每百万 token 收 0.18 美元,而 GPT 5.5 收 5 美元。
token 是 AI 处理文字时的计价单位,可以粗略理解成「字块」,你给它的每一段话、它吐出的每一段回复,都按这个单位算钱。
Handoff 的报价是输入每百万个 0.18 美元、输出每百万个 2.37 美元。同样的量,GPT 5.5 收 5 美元和 30 美元。输出这一头差了十二倍多。
价格声明比性能声明硬,原因很实在:报价单是双方公开挂出来的,不需要谁在自家框架里测一遍。Anthropic 最新的 Opus 5 定价和上一代一样,仍是每百万输入 5 美元、输出 25 美元。即便换成当前最强的模型来比,Handoff 十倍左右的成本优势依然成立。
前提只有一个:活干得像它说的那么好。
模型不是它自己训的
Hark 承认到目前为止只做了模型出厂后的调教,从零训练那一步「计划今年晚些时候」再做。Handoff 跑在一个别人训好的底座上,底座是谁的,公司没说。
Hark 公开的训练流程听上去很规范:先用人工示范数据做监督微调(拿现成的正确答案教模型照着做),再用一种强化学习方法让它在实际操作中自己试错、自己改进。
但公司同时承认,这些都属于后期调教。真正从零开始、最烧算力的那一步通常叫预训练,Hark 还没做过,说是「计划今年晚些时候」。
这意味着 Handoff 的底子是别人的。VentureBeat 问是哪个基座模型、训练数据里专有数据和公开数据各占多少,Hark 没有回答。
还有一个企业用户绕不开的问题:那台为你临时开出来的虚拟电脑,以及上面产生的文件,谁能看?Hark 发言人的原话是:
安全和隐私是我们的首要关注,但这还是技术预览。
他补充说,产品在夏末正式上市时会讲更多。
前科与战绩
Brett Adcock 卖掉过一家一亿美元的公司、造过空中出租车、做出了人形机器人独角兽,也被 Fortune 记者抓到过把一桩合作说大。
Hark 是 Adcock 的第四家公司。前三家是招聘平台 Vettery(2018 年以约一亿美元卖出)、空中出租车公司 Archer Aviation,以及人形机器人独角兽 Figure AI。他现在同时担任 Figure 和 Hark 的创始人兼 CEO。
Hark 不缺钱:2026 年 5 月拿下 7 亿美元 A 轮,估值 60 亿美元,Parkway Venture Capital 领投,Nvidia、AMD、Intel Capital、Qualcomm Ventures、Salesforce Ventures 和 ARK Invest 跟投。Adcock 自己先投了一亿美元。发言人说,Hark 的模型「正在 Figure 的机器人上训练」,但两家公司没有合并计划。
2025 年 4 月,Fortune 记者 Jason Del Rey 报道,Figure 与 BMW 的合作远没有 Adcock 公开描述的那么大:Adcock 讲的是一支机器人「车队」在做「端到端作业」,而 BMW 发言人 Steve Wilson 说的是,一台 Figure 机器人在非生产时段练习拿零件。
Adcock 在 X 上回应:
歪曲事实,彻头彻尾的谎言。
他还威胁提起诽谤诉讼。两个月后,TechCrunch 报道他在一场技术会议上跳过了此前承诺的现场演示,并在台上回避了关于 BMW 交易的提问。
不过这桩合作后来确实做起来了。2026 年 6 月,BMW 说 Figure 02 机器人在十个月里参与了超过三万辆 BMW X3 的生产,下一代 Figure 03 已经进厂承担物流环节的零件排序。所以更准确的说法是:他描述的往往是一年后的样子,不是今天的样子。
现在该怎么看它
把 Handoff 的三条声明拆开看:价格今天就能核,分数和速度要等第三方复现,而企业最该等的是数据归谁管的那个答案。
这三条的可靠程度差得很远,不要打包接受。
- 价格:双方公开挂出的报价单,今天就能拿去算账。哪怕换 Anthropic 最强的 Opus 5 来比,十倍左右的差距也还在。
- 分数:97.7 分是真的,但要等 GPT-5.6 和 Opus 5 出现在同一个第三方榜单上,才知道这个第一还在不在。0.8 秒同理,目前只有 Hark 自己测过。
- 数据:那台虚拟电脑上的文件谁能访问,Hark 说要等夏末上市才回答。答案出来之前,不要让它登录你公司的账号。
对个人用户,门槛低得多:让它去订花、订餐、比机票价格,最坏结果是点错一次。对企业,风险性质完全不同:你交出去的是登录凭证、客户资料和内部文件,收下它们的是一台你看不见也管不着的临时电脑。
Handoff 的数字可能全是真的。但「可能是真的」和「已经被别人验证过」之间的距离,正好就是一笔企业采购该等的时间。