Hark presenta Handoff², un agente de navegador de segunda generación que afirma duplicar la velocidad

Hark comenzó a distribuir Handoff², la segunda generación del agente de uso de computadora que impulsa su asistente personal. Según la empresa, el nuevo modelo completa más tareas y ejecuta los trabajos de extremo a extremo al doble de velocidad que su predecesor, y afirma que gran parte de la mejora proviene del aprendizaje por refuerzo que penaliza los turnos de navegador innecesarios, los tokens de razonamiento y la latencia.

Hark es el laboratorio de IA de consumo de Brett Adcock, independiente de Figure. Su aplicación Hark Pro abre un navegador en la nube y realiza tareas web en nombre del usuario, como compras, reservas de viajes y gestión de suscripciones.

Los tres planes ofrecen las mismas funciones, y el despliegue de Handoff² cubre todos los niveles.

Los trabajos largos muestran las mayores mejoras

En la evaluación interna de Hark, Handoff² completó el 82% de la suite, frente al 73% de la primera versión. La suite contiene 478 tareas de navegación repartidas en 238 sitios web. El nuevo agente también empleó un 46% menos de tiempo por tarea, y Hark atribuye su afirmación redondeada de duplicar la velocidad de extremo a extremo tanto a las mejoras del agente como a cambios en la infraestructura de backend.

Hark señala que los flujos de trabajo más largos son los que más se benefician, porque los turnos de modelo ahorrados se acumulan a lo largo de la tarea: algunos trabajos que duraban 10 minutos ahora terminan en tres minutos, y algunos de 45 minutos tardan unos 10 minutos.

Menos turnos explican la aceleración

El entorno de ejecución de Hark permite que una sola respuesta del modelo contenga varias acciones de navegador, como rellenar múltiples campos de un formulario o ejecutar una secuencia de clics. Un turno de modelo es un ciclo de solicitud y respuesta, de modo que agrupar acciones reduce las llamadas de red, la inferencia del modelo y el tiempo de espera del navegador.

El objetivo de aprendizaje por refuerzo combina el éxito de la tarea con costes explícitos por turnos excesivos, tokens de razonamiento interno y latencia de reloj. Durante el entrenamiento, el agente también aprendió a identificar patrones de acción repetidos, empaquetarlos como acciones compuestas y reutilizarlos más adelante en la misma tarea. Hark describe estos compuestos temporales como similares a macros creadas a partir del contexto de navegación actual, y afirma que las acciones por turno aumentaron mientras el total de turnos por tarea disminuía.

La comparación con Opus necesita contexto

Según Hark, Handoff² quedó a cinco puntos porcentuales de Claude Opus 5.5 en su configuración "max" y completó las tareas al doble de velocidad. Ambos modelos se ejecutaron a través del entorno de Handoff², que controla cómo se representan, agrupan y ejecutan las acciones. Como el primer modelo Handoff corrió en su entorno original, los resultados entre versiones combinan cambios de modelo, de entorno y de infraestructura.

La comparación publicada proviene de la suite interna de Hark y omite varios detalles necesarios para una réplica independiente: el conjunto completo de tareas, las reglas de puntuación, el resultado exacto de Opus, la distribución de latencia, la configuración de hardware y la varianza entre ejecuciones. Tal como se presentan, las cifras respaldan una comparación a nivel de producto dentro del entorno de Hark, no una clasificación general de sistemas de uso de computadora.

Las barreras de seguridad mejoran según la medida de Hark

Un benchmark de comportamiento separado comprueba si el agente solicita aprobación antes de pagar y si hace preguntas aclaratorias solo cuando una petición es genuinamente ambigua. Handoff² obtuvo un 93.8%, frente al 90.3% de la primera versión. Estas comprobaciones abordan riesgos prácticos de un agente capaz de acceder a cuentas e iniciar compras, aunque Hark no ha publicado el benchmark ni los resultados por categoría.

Millones de sesiones y preguntas abiertas

Desde el lanzamiento de Handoff en octubre de 2026, Hark afirma haber procesado más de 5.6 millones de sesiones de navegación y más de $20 millones en volumen de compras. Entre las tareas reportadas figuran pedir comestibles, reservar vuelos, agendar citas dentales, reservar restaurantes, cancelar suscripciones, reclamar reembolsos, completar formularios de garantía y postularse a empleos, una actividad que la empresa equipara a unos 37 años acumulados de tiempo de navegador.

Esos totales demuestran escala de uso, pero aportan evidencia limitada sobre el rendimiento en campo. Hark aún no ha publicado tasas de finalización en el mundo real, latencia mediana y de cola, tasas de intervención humana ni categorías de fallo. La cifra de $20 millones representa compras gestionadas por el agente, no ingresos de Hark.

La receta de la fuente para agentes más rápidos

El informe cierra con una receta práctica para agentes de navegador más rápidos. Estos agentes acumulan latencia a través de llamadas secuenciales al modelo, cargas de página y actualizaciones de la interfaz; agrupar acciones seguras elimina parte de esos viajes de ida y vuelta, mientras que las penalizaciones explícitas de eficiencia evitan que el objetivo de entrenamiento recompense el éxito sin contar tiempo ni cómputo. Las mayores mejoras deberían aparecer en flujos largos con acciones repetidas, en línea con el desglose por tareas que reporta Hark. Sus recomendaciones:

• Interfaz de acciones: permitir múltiples clics, pulsaciones de teclas y actualizaciones de formularios en una sola respuesta del modelo, con ejecución determinista y resultados por acción.
• Diseño de recompensas: puntuar la finalización de la tarea junto al número de turnos, el uso de tokens de razonamiento y la latencia de reloj, con pesos de penalización que preserven la calidad de finalización y el comportamiento seguro.
• Evaluación: ejecutar modelos competidores en el mismo entorno e infraestructura, y reportar finalización, uso de tokens y latencia mediana y de cola.
• Barreras de seguridad: mantener puertas de aprobación en compras, envíos, cancelaciones y otras acciones irreversibles, incluso cuando el agente agrupe los pasos circundantes.