هندآف، ایجنت کامپیوتریِ هارک
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
هارک تو اولین ریسرچپریویو خودش از هندآف رونمایی کرده؛ چیزی که تو صنعت بهش میگن Computer Use Agent یا CUA. تو این پست اومده که دنیا پر از دستیار هوش مصنوعیه، ولی هیچکس دستیاری رو استخدام نمیکنه که نتونه با کامپیوتر کار کنه. اسم محصول هم از همینجا میاد: هرچی رو که حوصلهشو نداری، میسپاری بهش.
تیم هارک میگه از حدود ۳ میلیون دقیقه مشاهدهی صفحهی کاربرها، ۷۴.۹٪ زمان تو مرورگر گذشته و آدمها روزی بیش از ۶ ساعت تو اینترنتن. از اون طرف کمتر از یک سایت از هر هزار سایت API عمومی داره و سرویسهای پرکاربردی مثل DoorDash، Target، Walmart، OpenTable، Zillow و LinkedIn اصلاً API مصرفکننده ندارن. پس به گفتهی نویسندهها اگه بخوای کار واقعی رو خودکار کنی، باید مثل آدم از دل مرورگر بری جلو.
برای هر درخواست یه کامپیوتر مجازی اختصاصی با مرورگر، فایلسیستم و ترمینال خودش بالا میاد. هندآف یه اسکریپت روی چندتا سایت مشخص نیست؛ خروجی مدل مستقیماً دنبالهای از ورودیهای ماوس و کیبورده که مختصات x و y روی صفحه رو هدف میگیره و کلیک و تایپ و اسکرول میکنه. میشه حسابهای خودت رو هم بهش وصل کنی تا با آدرسها و ترجیحات تو لاگین کنه و کار رو با کانتکست کامل جلو ببره.
نویسندهها میگن دادهی آموزشی در مقیاس برای این حوزه کمیابه، برای همین از پستترینینگ شروع کردن، الان رفتن سراغ میدترینینگ و پریترینینگ رو گذاشتن برای اواخر امسال. چون وب پیشبینیناپذیره، فقط دادهی نظارتشده کافی نیست و یادگیری تقویتی (RL) نقش کلیدی داره؛ روی بنچمارکی که مدل پایه از اول قوی بوده RL بیشترین سهم رو داشته و روی توزیعهای سختتر SFT بار اصلی رو برداشته.
از نظر نتایج، هارک میگه هندآف تو لیدربورد ارزیابی انسانی Online-Mind2Web اول شده و بهطور میانگین ۸ امتیاز از GPT 5.4 و ۲ امتیاز از Opus 4.8 جلوتره. ادعای دیگهشون اینه که هزینهی هر توکن یه مرتبهی بزرگ کمتر از مدلهای فرانتیر رقیبه. پلتفرم هارک قراره تا آخر تابستون در دسترس باشه و فعلاً ثبتنام بتاش بازه.
نکات کلیدی:
- هندآف یه ایجنت استفاده از کامپیوتره که کارهای طولانی رو تو مرورگر تا آخر میبره
- برای هر درخواست یه کامپیوتر مجازی با مرورگر، فایلسیستم و ترمینال جدا بالا میاد
- ۷۴.۹٪ زمان کاربرها تو مرورگر میگذره و کمتر از یکی از هر هزار سایت API عمومی داره
- رتبهی اول Online-Mind2Web و ادعای هزینهی بهمراتب کمتر بهازای هر توکن
- پلتفرم هارک تا پایان تابستون عرضه میشه
