Brett Adcock——人形机器人公司Figure的创始人兼CEO,同时也是Hark的创始人——今天在领英上发布了Hark的新一代计算机操作模型Handoff²。

他给的四个数是:比上一个模型快2倍;解验证码能力提升80%;端到端浏览器任务性能提升10%;以及一句判断——Handoff²超过了前沿模型,比Opus5.5 high更快也更聪明。
比性能数字更值得看的是他后面那段。上线这一个月,Hark已经记录了560万以上浏览器会话、2000万美元以上交易。有了Handoff²,买咖啡快1.7倍,订机票快3.8倍,比较学校快2.1倍,购物快2.5倍。Handoff²从今天起对所有套餐的所有用户开放。

一个月560万次会话、2000万美元交易,这个量级说明什么
先把这几个数的口径讲清楚:560万次是浏览器会话数,2000万美元是助手平台上完成的交易额,不是Hark公司的收入,也不是Figure的收入。这两个数都是Adcock自己披露的,公司没出独立的报告。
即便按公司自报看,量级也说明一件事:计算机使用类代理已经从「演示能跑通」进入「有人在上面真的下单」的阶段。买咖啡、订机票、比较学校、购物——这几件事的共同点是价值明确、频率高、决策成本低,代理只要把流程跑通,用户就会付钱。
这跟一年前「让AI替你操作电脑」的演示不是一回事。演示能证明可能性,560万次会话证明的是习惯有没有形成。
提速才是这代模型的卖点
他把「买咖啡快1.7倍、订机票快3.8倍」单独列出来,因为这类任务的时间几乎全花在等待上——页面加载、等验证码、等表单提交。快1.7倍意味着一杯咖啡从「等不及」变成「顺手」,快3.8倍意味着订机票这种本来要计划一下的事变成一个动作。
解验证码能力提升80%这一条我单独点一下。验证码过去是代理的死穴:人机验证的本质就是拦住自动化。这一代模型把这块啃下来,等于把代理能碰的网站范围整个扩开。这也是为什么浏览器会话数能冲到百万量级——不是因为用户突然爱用,是因为原本用不了的场景能用了。
他这句话得打个折
Adcock说Handoff²超过了前沿模型,比Opus5.5 high更快也更聪明。这句话我建议按公司自测看。公开可查的是他给的这四个数,没有第三方评测,也没有公开的测试集说明。而且这类「下一代模型」的对比,基线很容易选得对自己有利。
不过对做采购的人来说,这句话值不值不重要——重要的是那560万次会话和2000万美元交易不是靠嘴说的,是平台跑出来的。真实使用量对模型能力的验证,比任何榜单都硬。
接下来我会盯两件事。一是速度提升能不能撑住更长的任务链:买咖啡快1.7倍,是单步快;订机票快3.8倍,是多步流程整体快。多步任务里每步都快1.7倍,理论上应该是2.9倍,他给的是3.8倍,说明中间有并行和缓存——这意味着整条链路的稳定性要靠更多工程来兜。二是全套餐开放之后的交易额会不会继续往上走。开放所有套餐是把双刃剑:更多人用,量更大;更多人用,异常和滥用也更多。
资料来源
本文为 AI4ELAB 编辑或原创,作者:Connor 秦明。转载请注明出处:https://ai4elab.com/13038.html