En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)

Hark duplica la velocidad de su agente de navegador Handoff²: la tasa de éxito sube del 73% al 82%

Un agente de navegador que se lo piensa durante cada clic acaba siendo más lento que hacer la tarea uno mismo. Hark, el laboratorio de Brett Adcock, ha lanzado Handoff², un agente que compra productos y reserva billetes por su cuenta, y que es el doble de rápido que la primera versión: el modelo aprendió a rellenar todos los campos de un formulario en un solo turno. El tiempo por tarea cayó un 46%, y la proporción de tareas completadas en un conjunto interno de 478 pruebas subió del 73% al 82%. Por ahora, las comprobaciones son solo internas.

Procesado por IA desde TG: @ai_machinelearning_big_data (Machinelearning); editado por Hamidun News
Hark duplica la velocidad de su agente de navegador Handoff²: la tasa de éxito sube del 73% al 82%
Fuente: TG: @ai_machinelearning_big_data (Machinelearning). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalTG: @ai_machinelearning_big_data (Machinelearning) ↗
Editor jefe
Prueba de «no comprar sin consentimiento»del 90,3% al 93,8%
Billeteshasta 3,8 veces más rápido; tareas largas: más de 5 veces
Primera versión5,6 millones de sesiones y compras por más de 20 millones de dólares

El principal problema de los agentes de navegador no es que sean torpes, sino que son lentos. Un agente que tarda un minuto en pensar cada clic no ahorra tiempo: es más sencillo hacerlo todo uno mismo. Hark, el laboratorio de IA de consumo del fundador de Figure AI, Brett Adcock, ha lanzado Handoff², la segunda generación de su agente que controla el navegador por su cuenta y ejecuta encargos: compra productos, reserva billetes, pide cita con el médico.

Según la compañía, es en promedio el doble de rápido que la primera versión. Imagine un formulario de diez campos: antes el agente los rellenaba uno a uno; ahora los rellena todos a la vez. Además, la proporción de tareas completadas con éxito en un conjunto interno de 478 tareas en 238 sitios subió del 73% al 82%, es decir, la mayor velocidad no se ha traducido en pérdida de calidad.

Qué ha mejorado en Handoff²

La primera versión de Handoff salió en octubre. Según Hark, desde entonces ha completado más de 5,6 millones de sesiones en el navegador y ha pagado compras por más de 20 millones de dólares. Para agentes a los que se confía dinero, es una escala considerable.

Estos son los cambios de la segunda versión, según la compañía:

  • aceleración media de 2 veces; en la reserva de billetes de avión, hasta 3,8 veces; en tareas largas de investigación, más de 5 veces;
  • la proporción de tareas completadas con éxito en el conjunto interno de 478 tareas subió del 73% al 82%;
  • en la prueba interna de comportamiento, el resultado subió del 90,3% al 93,8%. Esta prueba comprueba, por ejemplo, que el agente no formalice una compra sin el consentimiento del usuario;
  • según asegura Adcock, el sistema resuelve los captcha un 80% mejor.

Todas las cifras son internas y por ahora no hay verificación independiente.

Cómo se enseñó al agente a no malgastar turnos

La clave está en que el «harness» y el aprendizaje por refuerzo (RL) se desarrollaron conjuntamente. El harness es la capa que rodea al modelo: define qué acciones tiene disponibles, qué ve en la página y cómo sus pasos se convierten en clics y entrada de texto. Lo habitual es que el modelo dé un paso por turno: hace clic, espera a que cargue la página, piensa y vuelve a hacer clic. Cada uno de esos ciclos cuesta segundos.

En Handoff², el modelo podía ejecutar varias acciones en un mismo turno. Para que lo aprovechara, en el entrenamiento se introdujeron penalizaciones por turnos innecesarios, razonamientos excesivos y latencia total. El modelo empezó a combinar por sí solo las acciones evidentes, por ejemplo rellenar varios campos de un formulario a la vez.

La segunda técnica son las acciones compuestas. Si en las tareas se repite la misma secuencia de pasos, como iniciar sesión o elegir una fecha en un calendario, el modelo la agrupa en una sola acción y la reutiliza. Es parecido a una macro, solo que la inventa y la reutiliza el propio modelo.

El resultado: cada tarea lleva un 46% menos de tiempo. Junto con las mejoras en la parte del servidor, se obtiene esa aceleración de 2 veces. Es más notable en las tareas largas, donde el ahorro en cada paso se va acumulando.

Qué implica esto para desarrolladores y product managers

Primero: la velocidad de un agente no depende solo de la potencia del modelo ni del hardware. Buena parte de la mejora viene de cómo se diseña la interfaz de acciones y de qué se premia al modelo durante el entrenamiento. Si está construyendo su propio agente, conviene comprobar si lo obliga a dar un paso por vez en situaciones en las que podría ejecutar un lote de acciones.

Segundo: el aumento de la tasa de éxito y el de la velocidad han ido de la mano. Es relevante porque las penalizaciones por la longitud del razonamiento suelen perjudicar la calidad. Hark afirma que aquí no ha ocurrido, pero eso solo se puede comprobar con sus propios conjuntos de tareas.

Tercero: una prueba específica de «no comprar sin consentimiento» muestra en qué se fija el mercado. Cuando un agente gasta dinero real, la métrica principal no es solo el porcentaje de tareas completadas, sino también la disciplina: no hacer nada de más. Un 93,8% significa que aproximadamente en uno de cada dieciséis casos el comportamiento todavía no supera la comprobación. Para un servicio que paga compras, no es poco.

Handoff² ya se está desplegando en todos los planes. Ahora falta ver si los usuarios corrientes confirman su velocidad y fiabilidad, y no solo los benchmarks internos de la compañía.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué ha mejorado en Handoff²?

La primera versión de Handoff salió en octubre. Según Hark, desde entonces ha completado más de 5,6 millones de sesiones en el navegador y ha pagado compras por más de 20 millones de dólares. Para agentes a los que se confía dinero, es una escala considerable.

Cómo se enseñó al agente a no malgastar turnos?

La clave está en que el «harness» y el aprendizaje por refuerzo (RL) se desarrollaron conjuntamente. El harness es la capa que rodea al modelo: define qué acciones tiene disponibles, qué ve en la página y cómo sus pasos se convierten en clics y entrada de texto. Lo habitual es que el modelo dé un paso por turno: hace clic, espera a que cargue la página, piensa y vuelve a hacer clic. Cada uno de esos ciclos cuesta segundos. En Handoff², el modelo podía ejecutar varias acciones en un mismo turno.

¿Qué se sabe sobre Qué implica esto para desarrolladores y product managers?

Primero: la velocidad de un agente no depende solo de la potencia del modelo ni del hardware. Buena parte de la mejora viene de cómo se diseña la interfaz de acciones y de qué se premia al modelo durante el entrenamiento. Si está construyendo su propio agente, conviene comprobar si lo obliga a dar un paso por vez en situaciones en las que podría ejecutar un lote de acciones. Segundo: el aumento de la tasa de éxito y el de la velocidad han ido de la mano.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…