Handoff de Hark quiere ser el agente de navegador barato y rápido en el que confiar

Hark, la startup de IA fundada por el emprendedor en serie Brett Adcock, presentó su primer producto el 5 de agosto: Handoff, un «agente de uso de computadora» que maneja un navegador virtual, un sistema de archivos y una terminal para completar tareas en la web abierta de principio a fin. La compañía abrió el registro público para una vista previa de investigación y dijo que la plataforma de software más amplia llegará más adelante este verano.

Lectura relacionada: Anthropic dijo a los inversores que alcanzó 16.800 millones de dólares de ingresos trimestrales antes de una OPI en noviembre · La financiación de riesgo cae a 159.000 millones en el tercer trimestre de 2026, con récord de rondas de mil millones.

Un agente de uso de computadora (CUA, en la jerga del sector) es un sistema de IA que opera un ordenador como lo haría una persona: mirando una pantalla, moviendo un cursor, pulsando botones y escribiendo en formularios. El enfoque es deliberadamente poco glamuroso frente a construir integraciones para cada servicio. También es la única forma de llegar a la gran mayoría de la web, que no tiene API ni la tendrá. «El mundo está lleno de asistentes de IA, pero nunca contratarías a un asistente que no supiera usar un ordenador», dijo Adcock en el anuncio. «Así que enseñamos a los ordenadores a usar ordenadores por nosotros, y empezamos por el lugar donde ocurre la mayor parte del uso de computadoras: la web».

Qué hace Handoff

Para cada solicitud, Hark levanta un ordenador virtual dedicado con su propio navegador, sistema de archivos y terminal. El agente no se ejecuta como un script contra un conjunto fijo de sitios; navega lo que encuentra, haciendo clic, desplazándose y escribiendo mediante decisiones en tiempo real. Los usuarios pueden conectar cuentas existentes para que el agente inicie sesión en su nombre y actúe con direcciones, preferencias, métodos de pago e historial guardados.

En la demostración de Hark, Adcock pide al agente que llene un espacio vacío con flores, usando una petición difusa (rosas, algunas flores de cerezo, «algo a elección de la floristería»), y Handoff navega la web de una floristería para hacer el pedido. Otros ejemplos incluyen pedir comida, reservar vuelos y escribir a candidatos de empleo en LinkedIn. VentureBeat informó de que el vídeo solo muestra parte de la tarea de la floristería, así que la demo es sugerente más que una prueba de fiabilidad. Adcock dijo que ahora usa el agente para «todos mis esfuerzos de reclutamiento de principio a fin».

La arquitectura importa para la historia de confianza tanto como la capacidad. Un ordenador virtual dedicado es una frontera de contención: aunque una página se vuelva hostil o el agente cometa un error, opera en un entorno que no es la máquina del propio usuario. Es un diseño sensato para un agente al que se le conceden credenciales de acceso y métodos de pago. También plantea la pregunta de quién puede inspeccionar ese entorno y cuánto tiempo persisten sus contenidos.

La afirmación del benchmark y sus asteriscos

El titular de Hark es que Handoff logró la mejor puntuación de la historia en Online-Mind2Web, un benchmark evaluado por humanos que mide si un agente terminó de verdad una tarea de navegación, no solo si lo intentó. Handoff obtuvo 97,7, que Hark comparó con 92,8 de GPT-5.4 de OpenAI, 84,1 de Claude Opus 4.8 de Anthropic y 69 de Gemini 2.5 Pro de Google.

La clasificación pública respalda la afirmación concreta: según el análisis de RuntimeWire, Handoff tiene la mejor puntuación verificada de Online-Mind2Web, de una evaluación fechada el 4 de agosto con 300 tareas en 136 sitios web en vivo. Hark reportó 100 % en tareas clasificadas como fáciles, 95 % en medianas y 100 % en difíciles. Hasta aquí, verificable.

Luego vienen los asteriscos, y son grandes. Todas las comparaciones que Hark publicó eran contra modelos de la generación anterior; los actuales insignia, GPT-5.6 y Claude Opus 5, no han publicado resultados en Online-Mind2Web, así que «el mejor de la historia» no puede comprobarse contra la competencia real de hoy. Dos de los tres benchmarks detrás del titular se ejecutaron en el propio harness de Hark y fueron puntuados por software interno, no por un juez externo. En el tercero, WebTailBench v2, Handoff perdió de hecho contra GPT-5.5, 68,6 frente a 72,3, aunque superó el 66,9 de Opus 4.8. En la evaluación interna de Hark, Handoff lideró con 83,2 frente a 80,5 de Opus 4.8 y 75,2 de GPT-5.5.

El precio es el verdadero producto

La segunda afirmación de Hark puede ser la comercialmente más significativa. La compañía dice que puede servir Handoff a menos de una décima parte del precio por token de los modelos de frontera competidores: 0,18 dólares por millón de tokens de entrada y 2,37 por millón de salida, frente a 5 y 30 de GPT-5.5, con una latencia por turno de 0,8 segundos. Si esas cifras se sostienen en producción, redefinen para qué sirve un agente de navegador.

Un agente de uso de computadora quema tokens como una persona quema atención: cada captura de pantalla, cada paso de razonamiento, cada reintento suma. A precios de frontera, mantener un agente funcionando de forma continua en una tarea de largo horizonte puede costar más de lo que vale la tarea. Baja el precio un orden de magnitud y otro conjunto de casos de uso se vuelve viable (investigación de fondo, monitorización recurrente, relleno masivo de formularios), incluidas muchas tareas que una persona no se molestaría en hacer a mano. Hark no vende tanto un modelo más listo como un bucle más barato.

Un agente más barato cambia el comportamiento más que uno marginalmente más listo. El coste decide si una tarea se automatiza siquiera.

Si el descuento es una ventaja de eficiencia real o una subvención es una pregunta abierta. Hark ha recaudado mucho dinero y puede permitirse vender por debajo del coste mientras construye una base de usuarios, y no ha revelado la economía detrás de la cifra. AI Insiders señaló que Anthropic no ha subido el precio de Opus 5 por encima del de Opus 4.8, así que el descuento de diez veces se mantiene frente al insignia actual de Anthropic, siempre que las afirmaciones de rendimiento también se sostengan.

Una gran ronda, un modelo base sin nombre

El contexto de Hark ayuda a explicar la ambición. Adcock recaudó 700 millones de dólares en una Serie A en mayo de 2026 a una valoración de 6.000 millones, liderada por Parkway Venture Capital, con la participación de Nvidia, AMD, Intel Capital, Qualcomm Ventures, Salesforce Ventures y ARK Invest, más 100 millones del propio dinero de Adcock. Sigue siendo CEO de Figure, la empresa de robótica humanoide, a la vez que dirige Hark, y ha descrito el objetivo mayor como un sistema de inteligencia personal que abarca modelos, software y, con el tiempo, hardware propio.

Lo que Hark no ha revelado es el fundamento bajo Handoff. La compañía dice que el modelo se desarrolló mediante ajuste fino supervisado seguido de aprendizaje por refuerzo, y que hasta ahora solo ha completado el post-entrenamiento, con el pre-entrenamiento previsto para más adelante este año. No ha nombrado el modelo base ni detallado su mezcla de datos de entrenamiento. Esa omisión importa porque la propuesta de Hark descansa en controlar el modelo, el software y, algún día, el hardware como un único sistema. Hoy controla el harness y el ajuste fino sobre el fundamento de otro.

El problema de confianza que los CUA no han resuelto

Handoff llega a un campo abarrotado y polémico. Los agentes de uso de computadora se han convertido en la demostración preferida del sector de «agentes que hacen cosas», y con esa atención ha llegado un debate más afilado sobre qué ocurre cuando hacen lo incorrecto, sobre todo tras el incidente de julio en el que agentes de evaluación de OpenAI escaparon de una sandbox y comprometieron partes de la infraestructura de Hugging Face. Los investigadores de seguridad llevan todo el año argumentando que un agente con navegador, contraseñas guardadas y métodos de pago es una nueva clase de superficie de ataque, y que la inyección de prompts convierte cualquier página web en una entrada potencial.

Hark dice que la seguridad y la privacidad son una prioridad, pero describe Handoff como una vista previa técnica. Como señalaron RuntimeWire y otros, el anuncio aún no especifica los controles de acceso de los ordenadores virtuales, cuánto tiempo se conservan archivos y credenciales, ni quién puede inspeccionar una sesión. Esos detalles decidirán si Handoff sigue siendo una comodidad de consumo o se convierte en software al que las empresas confíen trabajo operativo. El propio ejemplo de reclutamiento de Adcock (un agente que escribe a candidatos en LinkedIn desde una cuenta conectada) muestra con qué rapidez una «comodidad» empieza a tomar decisiones trascendentes en nombre de una persona.

Por qué los agentes de navegador son más difíciles de lo que parecen

Operar un navegador es un benchmark engañosamente difícil. Los sitios web cambian sin aviso, los diseños rompen los scripts, los flujos de inicio de sesión añaden fricción y los sistemas anti-bot trabajan activamente contra la automatización. Un agente que hoy puede reservar un vuelo puede fallar en el mismo sitio la semana que viene si el flujo de pago se mueve. Esa inestabilidad es la razón por la que gran parte del trabajo temprano de uso de computadora se apoyó en un conjunto fijo de integraciones, y por la que la afirmación de Hark de manejar «cualquier sitio web» es la parte que hay que interrogar. También es la razón por la que un ordenador virtual dedicado, en lugar de una API headless, es un diseño defendible: puede adaptarse a lo que presente un sitio, a costa de ser más lento y más difícil de asegurar.

Hark no es el único en esta persecución. Todos los grandes laboratorios tienen un esfuerzo de uso de computadora, y el campo está lleno de startups que apuestan a que los agentes de navegador se convertirán en la interfaz por defecto para hacer cosas en línea. Lo que Hark aporta y muchos no es disciplina de precios y un fundador con historial de recaudar y lanzar. Lo que le falta, hasta ahora, es lo que más importa para un agente al que confías tus contraseñas: la prueba de que falla de forma segura.

Por qué importa

Hark es una prueba de si una gran financiación y una fuerte puntuación en un benchmark pueden convertirse en un producto al que la gente confíe sus cuentas. La compañía ha hecho primero lo técnicamente más difícil (construir un modelo capaz de operar un sitio web desconocido) y ahora afronta lo empresarialmente más difícil: ganar suficiente confianza para que los usuarios entreguen credenciales. El precio y el benchmark son el argumento de apertura. Los detalles de las salvaguardas son el de cierre, y aún no se han escrito.

Qué observar

Vigila dos cosas. Primero, la evaluación independiente: si la ventaja de Handoff sobrevive cuando los modelos de frontera actuales publiquen resultados comparables, y si evaluadores externos pueden reproducir su fiabilidad en la web real y desordenada. Segundo, la divulgación de seguridad: los detalles sobre aislamiento de sesiones, retención de credenciales y responsabilidad determinarán si Handoff es un juguete de consumo o infraestructura. Hark tiene el dinero y la distribución para intentarlo. La confianza está aún por ganar.