Handoff de Hark automatiza tareas web, pero todavía deja preguntas abiertas
La promesa es recuperar tiempo. Hark, la startup liderada por el robotista Brett Adcock, presentó Handoff, un agente de uso de computadora, o CUA por sus siglas en inglés. El sistema está diseñado para navegar por la web y completar tareas en nombre del usuario, como pedir comida en DoorDash, reservar vuelos en United o Delta y contactar candidatos en LinkedIn.
La idea es reducir los clics repetitivos. Hark afirma que menos del 0.1% de los sitios web ofrecen APIs públicas. Por eso, muchas tareas digitales todavía dependen de que una persona navegue manualmente por cada página. Handoff intenta ocupar ese lugar al ejecutar las solicitudes en una computadora virtual dedicada, con navegador, sistema de archivos y terminal propios.
En teoría, esto permitiría delegar actividades administrativas y liberar tiempo para otras cosas. El sistema también puede conectarse con cuentas existentes para actuar con las direcciones, métodos de pago y antecedentes guardados por el usuario. Sin embargo, Hark aún no ha explicado públicamente cómo protege esas credenciales, cómo separa los entornos, cuánto tiempo conserva los datos, qué controles de permisos ofrece o si cuenta con auditorías de seguridad independientes. Por ahora, la seguridad sigue siendo una pregunta abierta.
El resultado más llamativo proviene de un benchmark. Según Hark, Handoff obtuvo una puntuación de 97.7 en Online-Mind2Web, una prueba que evalúa la capacidad de los agentes para realizar tareas en sitios web. La empresa también reportó 92.8 para GPT-5.4 y 84.1 para Claude Opus 4.8.
Esos resultados deben leerse con cautela. El 97.7 es una cifra comunicada por Hark y no se ha documentado aquí si las tres puntuaciones proceden de la misma versión, protocolo y condiciones de evaluación. Además, las comparaciones no incluyen modelos más recientes como GPT-5.6 y Claude Opus 5, ni varios competidores de código abierto. Por eso, el dato sugiere un desempeño fuerte, pero no demuestra por sí solo que Handoff sea el agente más capaz disponible.
La propia tabla de Hark también requiere contexto. En WebTailBench v2, GPT-5.5 obtuvo 72.3 frente a 68.6 de Handoff. Dos de las tres pruebas incluidas en los resultados de la empresa se ejecutaron en su propio entorno y utilizaron un modelo interno para juzgar si cada tarea había sido completada correctamente.
La velocidad reportada es de 0.8 segundos por turno. Esa cifra corresponde a la latencia del modelo de Handoff según Hark. La empresa midió en su propio entorno las cifras comparativas de GPT-5.5 y Claude Opus 4.8, con ambos modelos configurados en sus niveles de razonamiento más altos y lentos. No hay mediciones independientes que permitan una comparación definitiva.
El precio anunciado es considerablemente menor. Hark comunicó una tarifa de $0.18 por cada millón de tokens de entrada y $2.37 por cada millón de tokens de salida. Como referencia, la documentación pública de OpenAI muestra precios aproximados de $5 por millón de tokens de entrada y $30 por millón de tokens de salida para GPT-5.5.
- Entrada: $0.18 por millón de tokens para Handoff, frente a $5 para GPT-5.5.
- Salida: $2.37 por millón de tokens para Handoff, frente a $30 para GPT-5.5.
Eso equivale a un precio de entrada aproximadamente 27.8 veces menor y a un precio de salida aproximadamente 12.7 veces menor frente a GPT-5.5. No es posible calcular un ahorro único para cada tarea sin conocer la proporción entre tokens de entrada y salida. Además, los agentes suelen ejecutar varios pasos, llamadas a herramientas y capturas o lecturas de páginas, de modo que el costo final puede ser mayor que el de una conversación sencilla.
La tecnología todavía está en fase de prueba. Materiales de investigación de Hark describen un proceso con ajuste supervisado y aprendizaje por refuerzo asíncrono. Este último utiliza GRPO, un método para mejorar las respuestas mediante recompensas calculadas durante el entrenamiento. La empresa reconoce que hasta ahora solo ha realizado entrenamiento posterior y que planea completar el preentrenamiento más adelante este año.
Hark tampoco ha revelado qué modelo base utiliza ni qué combinación de datos propios y públicos empleó. Para el público general, esto importa porque el modelo de origen y los datos de entrenamiento pueden influir en la capacidad, los límites y el manejo de información sensible.
La disponibilidad en México aún no está confirmada. Hark dijo que abrió registros en hark.com y que planeaba ofrecer acceso más adelante este mes como parte del lanzamiento inicial de su plataforma. También señaló que el software comercial llegaría al final del verano de 2026, pero no precisó si esa referencia corresponde al verano del hemisferio norte, qué fecha exacta contempla ni qué países o clientes recibirán acceso.
Al 10 de agosto de 2026, no existe una página pública de producto ni una hoja de precios oficial bajo el nombre Hark Handoff, según la información de mercado disponible. Conviene tratar los registros, precios y fechas comunicados por la empresa como anuncios sujetos a confirmación, no como disponibilidad comercial garantizada para usuarios en México.
Qué puedes hacer ahora. Si Handoff te interesa para automatizar reservaciones, compras o tareas de trabajo, puedes registrarte en hark.com y esperar información oficial. Antes de conectar una cuenta bancaria, una tarjeta o un perfil laboral, revisa los controles de permisos, el almacenamiento de credenciales, la retención de datos, los registros de actividad y la posibilidad de aprobar cada acción. La promesa es atractiva: quitarte de encima parte del trabajo digital repetitivo. La decisión razonable es probarlo solo cuando esas condiciones estén claras.
