Hark lanza Handoff para automatizar tareas de varios pasos en la web

Why it matters

Handoff is the first test of whether Brett Adcock can turn Hark's $700 million Series A into a useful product before its planned hardware arrives.

Hark founder Brett Adcock (@brettadcock) announced Handoff on August 5, 2026, giving Hark its first public product: an agent that gets a virtual computer, opens websites and attempts to finish multi-step jobs for the user.

La vista previa de investigación, reportada por primera vez por VentureBeat, es la primera mirada concreta a lo que Adcock planea construir después de que Hark recaudara $700 millones en una Serie A en mayo de 2026 con una valuación de $6,000 millones. El sitio web de Hark dice que la compañía está entrando en beta y revisando solicitudes, mientras que VentureBeat informó que el acceso a la plataforma de software estaba planeado para finales de agosto.

El informe de lanzamiento de VentureBeat dice que Handoff puede identificar y enviar mensajes a candidatos de reclutamiento en LinkedIn. En el video de lanzamiento de Hark, Adcock dijo que usa el agente para "todos mis esfuerzos de reclutamiento de principio a fin".

Adcock entró al mundo de las startups a través del reclutamiento. Una declaración de apoderados de Archer Aviation dice que obtuvo un título en administración de empresas de la Universidad de Florida y trabajó en banca de inversión y en fondos de cobertura antes de cofundar el mercado de contratación en línea Vettery. Adecco adquirió a Vettery en 2018, lo que le dio a Adcock una base para sus posteriores apuestas en aeronaves eléctricas en Archer Aviation y robots humanoides en Figure AI.

Esa experiencia convierte al reclutamiento en un campo de pruebas natural para Handoff. Es un flujo de trabajo que Adcock conoce, lleno de navegación y mensajería repetitivas, así como decisiones sensibles que pueden exponer los límites del software autónomo.

A product before the hardware

Para cada solicitud, Hark Handoff crea una computadora virtual dedicada equipada con un navegador, sistema de archivos y terminal. Hace clic, desplaza y escribe a través de sitios web en lugar de esperar a que cada servicio proporcione una API. Los usuarios pueden conectar cuentas existentes, lo que permite que el agente opere con direcciones guardadas, preferencias, métodos de pago e historial de cuenta.

VentureBeat informó que Hark mostró a Handoff pidiendo cena, reservando vuelos y enviando mensajes a candidatos de trabajo. La publicación también citó reservas de hotel, investigación en línea y compras entre las tareas que Hark dice que el agente puede realizar.

Ese alcance es central en la apuesta de Adcock. Hark dice que un análisis de casi 3 millones de minutos de actividad en pantalla encontró que el 74.9% del tiempo de las personas se pasaba en navegadores, mientras que menos de uno de cada 1,000 sitios web ofrecía una API pública. Esas son cifras producidas por Hark, aunque la decisión básica del producto es sencilla: un agente general útil tiene que operar los sitios web que la gente ya usa.

Handoff también acota las ambiciones iniciales de Hark. Adcock ha descrito a Hark como una empresa de inteligencia personal verticalmente integrada que abarca modelos, software y dispositivos personalizados. El anuncio de financiamiento de mayo decía que Hark había recaudado $700 millones con una valuación post-money de $6,000 millones, liderada por Parkway Venture Capital. Nvidia, AMD Ventures, Intel Capital, Qualcomm Ventures, Salesforce Ventures, ARK Invest, Brookfield, Greycroft, Prime Movers Lab, Align Ventures y Tamarack Global participaron.

RuntimeWire informó cuando se cerró la ronda que el tamaño del financiamiento ejercía una presión inusual sobre Hark para convertir una promesa amplia sobre IA personal y hardware nativo en algo que los usuarios pudieran evaluar. Handoff es la primera respuesta de Adcock. Es software, se ejecuta en el navegador y puede llegar a los usuarios antes de que Hark envíe un dispositivo.

The benchmark lead has boundaries

Hark dice que Handoff obtuvo 97.7 en Online-Mind2Web, un benchmark que prueba agentes contra sitios web en vivo. Hark comparó ese resultado con 92.8 para GPT 5.4 de OpenAI, 84.1 para Claude Opus 4.8 de Anthropic y 69 para Gemini 2.5 Pro de Google.

La afirmación sigue siendo en gran medida responsabilidad de Hark para demostrarla. El tablero público de Online-Mind2Web no verificó de forma independiente la puntuación de 97.7 de Hark, y las comparaciones de Hark excluyeron modelos de vanguardia más recientes para los cuales no había resultados públicos equivalentes disponibles.

Hark no lideró en todas las pruebas que divulgó. En WebTailBench v2, VentureBeat informó que Handoff obtuvo 68.6 frente a 72.3 de GPT 5.5. Hark ejecutó ese benchmark y una evaluación interna en su propio entorno de pruebas, usando un evaluador de modelos interno para calcular las tasas de aprobación.

Las cifras de velocidad necesitan un contexto similar. Hark reporta 0.8 segundos de latencia del modelo por turno y precios de tokens de $0.18 por millón de tokens de entrada y $2.37 por millón de tokens de salida. Hark produjo las mediciones rivales en su propio entorno de pruebas, con modelos competidores configurados en sus niveles de razonamiento más altos.

La afirmación sobre el costo podría resultar ser la carta de apertura más fuerte de Handoff. Un agente que recorre docenas de acciones en el navegador puede volverse costoso rápidamente, por lo que costos de inferencia más bajos podrían importar tanto como una ventaja estrecha en benchmarks. Esa ventaja depende de que Hark entregue el rendimiento reportado bajo cargas de trabajo ordinarias de los usuarios.

Hark still depends on an unnamed base model

Hark dice que el modelo de la vista previa se desarrolló mediante ajuste fino supervisado seguido de aprendizaje por refuerzo. Hark reconoce que hasta ahora solo ha completado el post-entrenamiento, con el pre-entrenamiento planeado para más adelante este año.

Esa secuencia significa que el modelo inicial de Handoff se asienta sobre un modelo base que Hark no preentrenó. Hark no ha identificado ese modelo ni detallado la mezcla de datos de entrenamiento propietarios y abiertos detrás de Handoff. La omisión importa porque el argumento más amplio de Hark se basa en controlar los modelos, el software y el hardware como un solo sistema.

Handoff aún puede convertirse en un producto útil sin poseer cada capa desde el primer día. Empezar con el post-entrenamiento permite a Hark probar su arquitectura de agente, canal de entrenamiento y experiencia de usuario mientras su programa de modelos más grande aún se arma. También le da a Adcock una manera de recopilar datos de tareas reales antes de comprometer el capital de Hark al pre-entrenamiento.

Account access raises the stakes

La misma arquitectura que hace útil a Handoff crea su riesgo de producto más agudo. Un agente capaz de iniciar sesión en cuentas de aerolíneas, compras y reclutamiento puede ver direcciones, información de pago, mensajes y archivos. Un error puede generar una compra, enviar un mensaje o exponer datos privados en lugar de simplemente producir una mala respuesta de chatbot.

Hark dice que la seguridad y la privacidad son prioridades, pero la vista previa técnica aún no especifica los controles de acceso para sus computadoras virtuales, cuánto tiempo se retienen archivos y credenciales, o quién puede inspeccionar una sesión. Esos detalles darán forma a si Handoff sigue siendo una comodidad para consumidores o se convierte en un software en el que las empresas confían para trabajo operativo.

Adcock ha puesto ahora un producto detrás del financiamiento y la valuación inusualmente grandes de Hark. Handoff muestra una ruta creíble desde su experiencia en reclutamiento hacia un agente personal más amplio, y su diseño de computadora virtual le da al modelo una manera práctica de acceder a sitios web que nunca fueron construidos para IA. La próxima prueba ocurrirá fuera de las propias demos y del entorno de evaluación de Hark, cuando los usuarios entreguen al agente cuentas reales y esperen que termine el trabajo de forma segura.