TL;DR:
- Hark, el laboratorio de IA de Brett Adcock, presentó el 5 de agosto de 2026 a Handoff, un agente que opera un navegador para comprar, reservar y buscar por el usuario.
- Handoff encabeza el tablero público de Online-Mind2Web con 97.7%, apenas 0.4 puntos arriba del Navigator n1.5 de Yutori, que marcó 97.3% en junio.
- Las otras dos pruebas que publicó Hark corrieron en su propio banco de evaluación y con su propio juez automático. La plataforma abre a fin de verano.
Hark, el laboratorio de inteligencia artificial que Brett Adcock fundó mientras sigue al frente de Figure AI, presentó este miércoles 5 de agosto de 2026 su primer producto: Handoff, un agente que toma el control de un navegador y completa encargos de principio a fin. Ordena comida en DoorDash, compara precios en Target, aparta mesa en OpenTable y escribe a candidatos en LinkedIn, todos ellos sitios sin API pública para desarrolladores. La empresa lo describe como el mejor agente del mundo para usar internet. El tablero independiente que respalda esa frase le da el primer lugar por 0.4 puntos sobre el segundo. La lista de espera ya abrió y la plataforma llega a fin de verano.
La industria bautizó a esta categoría como computer use agents, o CUA. Un agente de uso de computadora es un sistema de IA que opera una interfaz gráfica igual que una persona: lee lo que hay en pantalla, mueve el cursor, hace clic y teclea. Para cada encargo, Hark levanta una computadora virtual completa con su propio navegador, sistema de archivos y terminal. Quien lo use puede conectar sus cuentas para que el agente inicie sesión a su nombre y trabaje con las direcciones y el historial ya guardados.
Adcock resumió así el argumento del producto:
"El mundo está lleno de asistentes de IA, pero nunca contratarías a un asistente que no supiera usar una computadora."
¿Por qué el navegador y no el sistema operativo completo? Hark midió casi 3 millones de minutos de pantalla de sus usuarios y encontró que el 74.9% de ese tiempo transcurrió dentro de un navegador. La compañía suma otro dato a su favor: menos de uno de cada mil sitios web ofrece una API pública, y los que la tienen exponen apenas una parte de lo que puede hacer una persona con el ratón. Ahí está la apuesta. Si el trabajo digital ocurre en páginas que no dejan entrar a un programa por la puerta principal, conviene enseñarle a entrar por donde entramos todos.
En el video de anuncio, de unos cuatro minutos, Adcock aparece en una nave industrial vacía y pide en voz alta un arreglo con rosas y flores de cerezo. Handoff navega el sitio de una florería y arma el pedido, incluso con instrucciones difusas del tipo "algunas a elección del florista". El propio Adcock describe al agente como algo que nunca se detiene, que trabaja en bucle, según VentureBeat. TechCrunch advirtió que el video muestra solo una parte del proceso, así que no alcanza para medir su efectividad real.
La ventaja sobre Yutori es de 0.4 puntos
El único marcador de Handoff con evaluación externa está en Online-Mind2Web, el tablero que mantiene el grupo de procesamiento de lenguaje natural de la Universidad Estatal de Ohio y que califica agentes en sitios reales con jueces humanos. RuntimeWire detalla que la prueba cubre 300 tareas repartidas en 136 páginas en vivo. Así quedó la tabla:
- Hark Handoff: 97.7% de promedio, con 100% en tareas fáciles, 95% en medias y 100% en difíciles. Evaluación fechada el 4 de agosto de 2026 y realizada por Careerflow.ai.
- Navigator n1.5, de Yutori: 97.3%, medido el 28 de junio de 2026 por el mismo evaluador.
- ACT-2, de Enhans, corriendo sobre GPT-5.4: 92.7% el mismo 4 de agosto.
- Google Computer Use, con Gemini 2.5 Computer Use: 69.0% desde septiembre de 2025.
- Operator, de OpenAI: 61.3% desde marzo de 2025.
Handoff está arriba. Lo está por cuatro décimas frente al líder anterior, no por el margen que sugiere la frase "los mejores del mundo" que Adcock usó en el comunicado. Las otras dos pruebas que Hark publicó salieron de casa: WebTailBench y una evaluación interna, ambas corridas en el arnés de la propia empresa y calificadas por su propio juez automático. En una de ellas, según el conteo de RuntimeWire, Handoff se queda atrás de GPT-5.5.
Las comparaciones dejan fuera a los modelos actuales
Hark presume superar en promedio a GPT 5.4 por 8 puntos y a Opus 4.8 por 2 puntos. VentureBeat puso el dedo en el detalle que cambia la lectura: esos son modelos de la generación anterior. Los líderes de hoy, GPT-5.6 de OpenAI y Opus 5 de Anthropic, no aparecen en la comparación, y tampoco los contendientes abiertos como DeepSeek V4, Kimi K3 o Qwen3.8-Max.
No es que Hark los haya escondido. Ninguno de esos modelos ha publicado resultados en Online-Mind2Web y nadie los ha subido al tablero, así que la afirmación de récord histórico no se puede contrastar contra lo más potente que existe ahora mismo. El hueco pesa porque justo ahí es donde los modelos nuevos dieron su salto más grande: en OSWorld 2.0, una prueba hermana que mide el control de una computadora entera, Opus 5 ronda el 70.6% contra el 55.7% de Opus 4.8, el modelo que Hark eligió como referencia.
El precio por token es la carta más fuerte
Donde Hark sí se despega es en la factura. La empresa dice servir Handoff a un costo por token un orden de magnitud menor que el de los modelos frontera con los que compite, y en su comunicado lo traduce a menos de una décima parte del precio. La latencia que publica se midió con el nivel de razonamiento más alto, y a esa cifra hay que sumarle unos 10 segundos que aporta el navegador en cada turno.
Ese es el terreno donde se está peleando el mercado de agentes esta semana.
Patricia Rodriguez
Hark llega con caja para sostener la pelea. Su Serie A superó los 700 millones de dólares en mayo de 2026 y valuó a la empresa en 6,000 millones incluido lo levantado, según Bloomberg. La lideró Parkway Venture Capital y entraron Nvidia, AMD Ventures, Brookfield, Intel Capital, Qualcomm Ventures y Salesforce Ventures. Antes de eso, Adcock había arrancado el proyecto en marzo con 100 millones de su propio bolsillo. Del otro lado están Google, OpenAI y Anthropic con sus propios agentes, más una camada de startups que TechCrunch enumera: Browser Use, Polar, Strawberry y Aside.
Ningún sitio de habla hispana aparece en la demostración
Vale revisar la lista de servicios que Hark eligió para mostrar a Handoff en acción: DoorDash, Uber Eats, Target, Walmart, Costco, OpenTable, Resy, LinkedIn, United, American, JetBlue, Delta, Booking.com y Zillow. Todos estadounidenses. Ni Rappi, ni Mercado Libre, ni Didi Food, ni una sola aerolínea o cadena de la región.
El research preview tampoco menciona países ni idiomas en ninguna parte, y la única fecha que da es la del arranque de la plataforma a fin de verano. Para quien lee desde México, España o cualquier país de América Latina, esa es la pregunta que sigue abierta: si el agente entiende una instrucción en español y si sabe moverse en los sitios donde de verdad compramos.
Hay una diferencia enorme entre un agente que encuentra un vuelo y uno al que le entregas tus contraseñas, tu tarjeta y el permiso de apretar el botón de comprar. La prueba de fuego de Handoff no será el tablero de Online-Mind2Web sino el primer usuario que le confíe su cuenta de banco y salga a hacer otra cosa.
