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。
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。

Handoff² is here.
— Hark (@hark_labs) November 12, 2026
Our computer use agent, Handoff, allows Hark to do things on the web for you. And starting today it can do those things nearly 2x faster.
Not only is Handoff² faster than our original computer use agent, it also outperforms frontier models. pic.twitter.com/P5Qd2DxxTb
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。