Hark presenta en vista previa el agente de navegador Handoff tras superar a Online-Mind2Web

Why it matters

Handoff turns Brett Adcock's personal-AI plan into a testable software product before Hark ships hardware, but its verified advantage is a narrow 0.4-point benchmark lead.

Brett Adcock (@adcock_brett) presentó Hark Handoff el 5 de agosto, poniendo su segundo gran emprendimiento de IA en una vista previa de investigación con un agente de navegador diseñado para pedir comida, reservar viajes, comprar y completar otras tareas a través de la web abierta.

Handoff es el primer producto concreto de Hark, el laboratorio de IA personal que Adcock inició mientras continuaba dirigiendo al fabricante de robots humanoides Figure. Adcock, que creció en una granja en el centro de Illinois, anteriormente construyó el mercado de reclutamiento Vettery y cofundó el desarrollador de aeronaves eléctricas Archer Aviation antes de pasar a la robótica humanoide. Hark extiende el mismo enfoque de pila completa hacia la IA de consumo: modelos, software y, eventualmente, dispositivos diseñados a propósito.

Hark dice que Handoff crea una computadora virtual dedicada para cada solicitud, incluyendo un navegador, sistema de archivos y terminal. El agente controla un cursor y el teclado en lugar de depender de integraciones con servicios individuales, lo que le permite funcionar en sitios web que carecen de APIs orientadas al consumidor. Las demostraciones de Hark incluyen realizar pedidos de DoorDash, comprar en Target, reservar restaurantes a través de OpenTable, enviar mensajes a candidatos en LinkedIn y reservar vuelos.

Los usuarios pueden conectar cuentas existentes, dando a Handoff acceso a direcciones guardadas, preferencias e historiales de compra. Ese diseño hace que la fiabilidad y la seguridad de las cuentas sean requisitos centrales del producto. Un agente de navegador que sólo puede encontrar un vuelo es materialmente diferente de uno en el que se confía para iniciar sesión, seleccionar un itinerario y efectuar una compra.

A verified lead, with limits

Handoff obtuvo 97,7% en el benchmark Online-Mind2Web evaluado por humanos, según la clasificación oficial. La prueba cubre 300 tareas a través de 136 sitios web en vivo. Handoff registró 100% en tareas clasificadas como fáciles, 95% en tareas medianas y 100% en tareas difíciles en una evaluación con fecha 4 de agosto.

Ese resultado superó por poco a Navigator n1.5 de Yutori, que obtuvo 97,3% en junio, y a un sistema ACT-2 potenciado por GPT-5.4, que obtuvo 92,7%. Careerflow.ai realizó las evaluaciones humanas para las tres entradas.

La tabla de líderes respalda la afirmación de Hark de que Handoff actualmente ostenta la mejor puntuación verificada en Online-Mind2Web. No establece que Handoff sea el mejor modelo de uso de internet en todas las pruebas o entornos de producción. La descripción más amplia de Hark de "el mejor de todos los tiempos" se extiende más allá del alcance del resultado independiente.

Hark también publicó resultados para WebTailBench v2 y una evaluación interna. Handoff obtuvo 68,6 en WebTailBench, detrás de GPT-5.5 con 72,3 y por delante de Claude Opus 4.8 con 66,9. En la prueba interna de Hark, Handoff lideró con 83,2, comparado con 80,5 de Opus 4.8 y 75,2 de GPT-5.5. Hark ejecutó esas comparaciones a través de su propio entorno de evaluación y utilizó un evaluador interno basado en un modelo de lenguaje grande, dejando a Online-Mind2Web como la porción evaluada de forma independiente del lanzamiento.

Hark's software entry point

Adcock lanzó Hark públicamente en marzo con $100 millones de su propio capital, según reportes de la época. Hark ha descrito su objetivo mayor como un sistema de inteligencia personal con habla, visión, memoria persistente y hardware personalizado. Adcock dijo a Bloomberg que Hark estaba desarrollando una familia de dispositivos para individuos y hogares, separada de teléfonos, wearables y gafas inteligentes.

Handoff da a ese plan un punto de entrada inmediato por software. Coloca a Hark dentro de un navegador, donde los usuarios ya gestionan viajes, compras, comunicaciones y otras tareas diarias, antes de que Hark intente trasladar esas interacciones a sus propios dispositivos.

Hark dijo que los resultados provinieron de seis meses de trabajo en agentes para el uso de computadoras. El modelo actual refleja post-entrenamiento mediante ajuste fino supervisado y aprendizaje por refuerzo. Desde entonces, Hark ha pasado a un entrenamiento intermedio y planea comenzar el pre-entrenamiento más adelante en 2026, una secuencia que permite a sus investigadores desarrollar canalizaciones de datos, evaluaciones e infraestructura antes de entrenar un modelo desde cero.

Handoff sigue siendo una vista previa de investigación en lugar de un servicio disponible en general. Hark está aceptando solicitudes para acceso beta y dice que su plataforma estará disponible para finales del verano. El lanzamiento le da a Adcock una ventaja verificada en benchmarks y una superficie de producto para su tesis de IA personal. La prueba de producción comenzará cuando usuarios externos entreguen a Hark sus cuentas, compras y tareas del mundo real.