Hark Handoff² 速度翻倍?從內部評測看瀏覽器代理的效率與接手時機

Hark Handoff² 官方主張整體速度約兩倍,內部完成率升至82%。拆解模型、執行框架與端到端時間的差別,說明網頁代理的人工批准、結果回讀與試辦方法。

Share
Hark Handoff² 官方主視覺,漸層背景列出 now 2x faster
Hark Handoff² 官方發布主視覺,兩倍速度為原廠宣稱。 圖片來源:官方原文。

Hark Handoff² 是 Hark 在 2026 年 11 月 12 日推出的新版網頁操作代理,官方主張整體工作平均快兩倍。對使用者而言,重點在於交辦後要等多久,才能拿到可確認的結果。

但「快兩倍」容易被理解成所有網站、所有任務都固定減半。官方同時描述模型速度、後端改善與特定任務案例,這些數字各自回答的問題不同。

原廠內部測試列出完成率從 73% 提升至 82%,並公開任務與網站數。這提供了比較線索,卻還不能取代使用者在自己常用網站上的測試。

提速方式也不只是讓模型回答得更快。Hark 讓一個模型回合能安排更多操作,減少反覆看畫面和重新思考,因此較長的工作可能累積更多時間節省。

這使它適合先用在可撤回、能確認結果的網頁任務。涉及付款、正式送件或難以逆轉的動作時,完成速度必須連同接手與批准規則評估。

理解新版能力,要先看 Handoff 在整段工作裡負責哪一部分。

Hark Handoff² 更新了哪一段工作?

Handoff 負責在網站中點擊、輸入與銜接步驟,把使用者的要求往完成狀態推進。Hark 在 十一月十二日官方公告中,把它定位成處理網頁工作的電腦操作代理,並開始向 Hark Pro 使用者推出新版。

「電腦操作」可以先理解成人看著網頁做事的那一段。搜尋結果出來後,代理還要進網站、辨認表單與處理下一步,因此回答文字快,和真正把工作辦完快,並不相同。

官方列出的用途包括訂機票、買東西、處理退貨與填寫表單。這些是原廠描述的應用範圍,實際能否完成仍受網站、帳戶與當次工作條件影響,不能把用途清單當成每一筆交辦的成功保證。

以研究商品為例,使用者需要的是符合規格的候選與來源,代理則可能反覆切換商家頁面。若最後只給出未附依據的推薦,就算畫面操作很快,也還沒有完成這個交辦目標。

因此,新版更新應放在原本的 Hark 服務中理解。它改進的是網頁工作的執行能力,並沒有讓所有支付、登入或商家服務的條件一起消失,使用者仍需要知道哪一步屬於自己能批准的範圍。

與單純介紹 Hark Pro 的文章相比,這次值得追蹤的是同一個工作如何減少往返。只有先固定任務和最後要驗收的結果,兩個版本的等待時間才有比較意義。

延伸閱讀:Hark Pro 上線:把訂位、研究與日常待辦交給個人 AI 代理

理解操作範圍後,再看速度數字才不會把所有時間混在一起。

Hark Handoff² 官方主視覺,漸層背景列出 now 2x faster
Hark Handoff² 官方發布主視覺,兩倍速度為原廠宣稱。 圖片來源:官方原文。
Hark 官方 Handoff² 發布影片,速度與能力數字為原廠宣稱,非本站實測。 來源:官方原始貼文。

速度與完成率數字應該怎麼讀?

平均提速與任務完成率,分別衡量等待時間和是否做完。官方稱整體系統平均約為前代兩倍速度,但同一篇文章也分別列出模型本身和特定情境的改善,因此不能把每個數字相加。

原廠把模型本身的速度改善寫為 46%,再加上其他後端調整,形成整體兩倍的主張。這裡的比較單位是新版產品的整段執行,並非只測生成一段文字要花幾秒。

完成率增加九個百分點,代表什麼?

內部瀏覽器評測包含四百七十八項任務、涵蓋二百三十八個網站。官方列出完成率由 73% 升至 82%,也就是增加九個百分點,這提供了能力與速度一起改善的證據線索。

但測試樣本由公司建立,並不等於任何使用者常用網站的任務組合。若你的工作多半需要兩階段登入、人工接聽或網站外的文件,這些等待與判斷是否納入測試,就會影響結果能否套用。

原廠另外舉出訂機票可達三點八倍、長研究超過五倍的案例。這些數字有助解釋長流程可能累積時間節省,但它們是特定情境,不能改寫成所有工作最少都能快到同樣程度。

和 Opus 比較時,為何要看執行框架?

執行框架是把模型判斷轉成工具操作、保存狀態並處理回傳的程式。官方說新版與 Opus 5.5 使用相同框架,前代則沿用自己的舊框架,所以新版對前代的結果同時反映模型和系統差異。

這讓原廠比較能說明產品設計方向,卻不足以把所有差距都歸因於模型。本文也沒有重跑這些任務,讀者應把數字看成原廠提供的評測資訊,再用自己的工作檢查是否得到相近改善。

這些結果來自模型與執行系統一起調整,需要拆開看其改善機制。

為何少問幾次模型就能省時間?

網頁工作每多一個模型回合,就多一次讀取、判斷與等待的機會。一次回合可以想成代理看完現況、決定動作,再把結果交回模型,因此動作很小卻反覆往返,也可能累積可觀的等待。

原廠的做法是讓一個回合能安排較多操作。官方用表單填寫說明,若代理已經知道多個欄位要填什麼,就可以把相關操作合併,減少每填一格都重新思考的次數。

不過,合併操作需要有穩定前提。輸入姓名後若網站重新整理頁面,後續欄位可能已經改變,所以好的批次操作仍需要知道在哪裡重新觀察,而不能只把動作串得越長越好。

強化學習在這裡做什麼?

強化學習是利用執行結果回饋來調整模型行為的方法。Hark 說訓練會對過多回合、思考用量與整段延遲施加效率壓力,讓代理學會用更少往返完成相同目標。

官方也描述讓代理辨認可重複的操作模式,再把組合用到後續步驟。這能解釋為什麼長任務有更大的改善空間,因為省下的小段時間可以累積,並非每一個網頁都突然載入得更快。

這種設計也提醒團隊,處理器或模型的單點速度只是部分因素。網站回應、工具啟動、重新登入與人工確認,都可能決定最後交付時間,因此產品效益要從使用者收到可用結果的時刻衡量。

對需要做多個候選比較的人,少一些重複操作確實有吸引力。但如果為了減少回合而跳過商品條件或核對步驟,就會把節省時間轉成後續修正工作,這也是實際驗收需要一起記錄錯誤的原因。

把操作合併得更有效率後,仍需要知道在哪個決定前停止。

把快轉成可靠結果,還缺哪些檢查?

能按完所有按鈕,只證明操作往前走,還需要核對網站最後保存的狀態。尤其付款、預約或正式送件,常會經過確認、處理中與完成等階段,代理回報也應對應到最後一個真正觀察到的狀態。

官方內部行為測試包括未經批准不結帳,以及只有要求確實模糊時才詢問。原廠公布的分數從 90.3% 升至 93.8%,但這仍是特定測試下的評分,不能當成付款或資料操作零風險的證明。

應該在哪個時點要求人接手?

接手點應放在會改變承諾的地方。例如訂票前確認姓名、日期與總價,就比操作完成後才提醒使用者有買票更有意義,因為後者可能已經需要退改程序。

這裡是交辦流程的建議,並非聲稱 Hark 每一種任務都提供相同設定。使用者可以先把可查找、可草擬與可正式送出分開,讓代理知道哪些變化需要回到人手上決定。

完成後的證據也應隨任務不同。商品研究可要求官方規格與價格頁,預約則看服務方確認,資料更新需要重新開啟保存後紀錄。這些證據讓使用者查結果,也避免下一次接續工作時重做已完成的操作。

若任務停在驗證碼、登入或網站阻擋,代理應能說明停在哪裡。對工作時間的計算,也應保留等待接手的部分,否則看起來執行很快,實際上使用者仍要花時間找出問題。

發生逾時時,先查網站是否已建立訂單再決定重試,通常比直接重按提交更合理。因為網路回覆失敗和交易沒有發生並不等同,這類狀態需要回到服務方確認,而不是靠對話紀錄猜測。

因此,挑第一個試辦任務時,應把完成證據與可恢復性一起考慮。

適合先交辦什麼任務?

先從有明確輸入與結果、失敗後能重做的工作開始,最容易看出速度是否有用。例如只查找符合條件的商品,並要求列出來源與差異,可以觀察研究能力,同時避免立刻涉及付款。

若要比較新版是否真的省時間,可以固定查詢條件、來源範圍與完成標準。否則一次只要三項資料、另一次卻要求完整比較,即使後者花更久,也不能說明模型變慢。

測試紀錄應分別記下總等待時間、正確完成的項目,以及需要人接手的原因。這樣才能看出改善來自少做無用操作,還是使用者被迫承擔更多檢查,兩種情況對工作效率的意義不同。

進一步可把同一種任務分成短流程與長流程。原廠主張長任務的累積節省較多,因此自己的紀錄若也呈現這個差異,會比只測一次簡單搜尋更能支持導入判斷。

需要反覆操作的團隊,也可以把人工接手的原因整理成明確規則。有些問題來自需求沒說清楚,有些來自網站本身限制,先辨認原因,才知道應該修改交辦文字還是換一種執行方式。

瀏覽器代理的能力,也取決於模型周圍的工具與回饋設計。若想進一步理解為何調整執行流程會影響結果,可以對照代理框架的另一種研究方向。

延伸閱讀:Harness² 開源:Google 讓 AI Agent 自己調整工具與工作流程,能改善什麼?

當自己的工作紀錄能同時顯示完成、錯誤與接手時間,才有擴大使用的依據。

Hark Handoff² 常見問題

Hark Handoff² 的兩倍速度是本站實測嗎?

這是 Hark 官方對新版系統的主張,本文沒有重跑原廠任務。數字需連同任務組合、執行框架與測量範圍解讀,不能直接套在所有網站。

82% 完成率是否代表我的任務有同樣成功率?

它描述的是公司內部四百七十八項任務的結果。你的網站、資料和批准要求不同,仍需要用自己的代表性工作確認,不應只按一個平均值決定是否交辦。

速度變快,還需要人工批准嗎?

需要批准的動作由任務權限決定,不會因速度改善自動消失。原廠也把未經批准不結帳納入內部行為測試,表示效率與接手規則必須一起考慮。

用完成證據衡量速度

Handoff² 的發布提供了一個具體方向,讓模型和操作系統一起減少往返,可能比單看生成速度更接近使用者需求。但對個人與企業,最有用的比較仍是同樣工作能否更快完成,而且結果查得到。

若你準備試用,可先選一項不涉及付款的重複研究工作,寫下輸入條件與完成證據,再對照 Hark 官方介紹安排範圍。當結果與接手紀錄都符合需求,再逐步擴大交辦。

資料來源