A GPT-5.4-et is megelőzte a Hark első AI-ügynöke

A titokzatos AI startup, a Hark bemutatta első termékét, a Handoffot, egy „számítógép-használati ügynököt” (CUA), amely a cég szerint a világon az egyik legjobb a felhasználók nevében történő webes navigációban — legyen szó ételrendelésről a DoorDash-en, repülőjegy foglalásról a United és Delta légitársaságoknál, vagy állásjelöltek üzenetküldéséről a LinkedInen — mindezt teljesen autonóm módon. (VentureBeat)

A Hark Handoff 97,7-es pontszámot ért el az Online-Mind2Web (OM2W) teljesítményteszten, ami a harmadik fél által értékelt webes ügynökök emberi értékelésű ranglistája. Ezzel megelőzi az OpenAI GPT-5.4-ét (92,8), az Anthropic Claude Opus 4.8-át (84,1), és a Google Gemini 2.5 Pro-ját (69). A Hark szerint a modell token-árai is kedvezőbbek a versenytársaknál: 0,18 dollár egymillió bemeneti tokenre és 2,37 dollár egymillió kimeneti tokenre, szemben a GPT-5.5 5 és 30 dolláros áraival. A forduló latency-je 0,8 másodperc, ami jóval gyorsabb a GPT-5.5 és az Opus 4.8 által jelentett 6 másodperces tartományhoz képest.

Minden kéréshez a Handoff egy dedikált virtuális számítógépet indít saját böngészővel, fájlrendszerrel és terminállal. A felhasználók csatlakoztathatják meglévő fiókjaikat, így az ügynök be tud jelentkezni és a mentett címekkel, fizetési módokkal és előzményekkel tud cselekedni. A Hark kutatása szerint az emberek képernyőidejük 75%-át böngészőkben töltik, de a weboldalak kevesebb mint 1 ezrelékének van nyilvánosan elérhető API-ja, ami kihívást jelent az AI-ügynökök számára.

A teljesítményteszt-összehasonlítások azonban az előző generációs modellekkel történtek. A jelenlegi vezetők, az OpenAI GPT-5.6 és az Anthropic Opus 5, valamint olyan nyílt forráskódú versenytársak, mint a DeepSeek V4, Kimi K3 és Qwen3.8-Max, hiányoznak az OM2W eredményekből. Az újabb modellek legnagyobb előrelépései éppen a számítógép-használat terén történtek; az OSWorld 2.0 teljesítményteszten az Opus 5 nagyjából 70,6%-ot ért el, szemben az Opus 4.8 55,7%-ával. A latency-adatoknál is hasonló a helyzet: a 6,8 és 6 másodperces fordulófigurákat a Hark mérte saját környezetében, a versenytárs modelleket a leglassabb, legmagasabb érvelési szintjükre állítva.

A Hark árelőnye azonban egyértelműbbnek tűnik. Az Anthropic új Opus 5 modellje ugyanazon az áron kapható, mint elődje, így a Handoff nagyjából tízszeres költségmegtakarítása még a legmodernebb modellekkel szemben is érvényes lehet, feltéve, hogy a teljesítményteszt-teljesítménye is hasonlóan jó. A cég a modell betanítását utólagos finomhangolással végezte, a teljes betanítás „később idénre tervezett”. A Hark nem közölte, melyik alapmodellt használja, és milyen adathalmazokon képezte.

A cég 700 millió dolláros Series A befektetési kört zárt 2026 májusában 6 milliárd dolláros értékelés mellett, melyben részt vett az Nvidia, az AMD, az Intel Capital és a Qualcomm Ventures is. Brett Adcock, a cég alapítója és vezérigazgatója korábban a Figure AI robotikacéget is vezette.