В NVIDIA стигнаха до заключението, че за автономните ИИ-агенти е важен не само базовият модел, но и инфраструктурата, която го обгражда. Изследователите свързаха Claude Opus 5 със собствената си агентна архитектура Agentic Variation Operators (AVO) и постигнаха 100% резултат в интерактивния бенчмарк ARC-AGI-3. В базовата си конфигурация същият ИИ модел е показвал резултат от около 30% на същия бенчмарк. С други думи, моделът остава „мозъкът“ на агента, но способността му да се справя с дълги и сложни задачи до голяма степен зависи от това как е организирана съпътстващата „инфраструктура“.
AVO не е нов модел, а система, изградена около модела. Тя добавя постоянна памет, инструменти за взаимодействие с външната среда, механизми за обратна връзка и отделен „супервайзор“. Паметта съхранява резултатите от предишните действия, версии на решенията и натрупаната информация, а „супервайзорът“ следи общата траектория на работата и може да се намеси, ако основният агент блокира, започне да се повтаря или действа непродуктивно. Този подход е предназначен за задачи с дългосрочен хоризонт, когато за постигане на резултат е необходимо последователно да се вземат множество решения в продължение на часове или дни.
НачалотоПървоначално NVIDIA тества AVO върху инженерна задача за оптимизация на ядрата на графичен процесор с помощта на ИИ. За седем дни агентът проучи над 500 варианта и създаде 40 версии на ядрото. На системите NVIDIA DGX B200 най-доброто ядро се оказа с 3,5% по-производително от cuDNN (библиотеката на NVIDIA за изчисления с изкуствен интелект) и с 10,5% по-бързо от FlashAttention-4 (технология за ускоряване на механизма на вниманието).
След това изследователите тестваха AVO на ARC-AGI-3, набор от интерактивни 2D-игри без инструкции и предварително зададени цели. Агентът е трябвало самостоятелно да проучи средата и да анализира възможните последствия от своите действия. AVO с Claude Opus 5 премина всички 183 нива в 25 среди, постигайки максималния резултат от 100,00 RHAE, показател за ефективността на действията на агента в сравнение с човека. За това бяха необходими 6624 действия, с 12% по-малко, отколкото при другата агентна система VISTA, базирана на същия модел (7542 действия). За сравнение, Claude Opus 5 без AVO показваше 30% при високо ниво на разсъждения.
Въпреки това тези резултати не могат да се сравняват директно: тестовете бяха проведени при различни настройки и с различна архитектура на агентна система. По-скоро това показва, че резултатът на самия модел не винаги отразява възможностите на пълноценен ИИ-агент.
AVO може да работи с различни модели. В ограничени експерименти NVIDIA стартира AVO с GPT-5.6 Sol: тя постигна сравним резултат по-бързо, докато Claude Opus 5 решаваше задачите с по-малко действия. При това GPT-5.6 Sol без допълнителна агентна система показа едва 13,3% на ARC-AGI-3.
OpenAI установи, че запазването на предишните разсъждения и компресирането на контекста повишават резултата до 38,3%, но това все още е далеч от резултата, постигнат от NVIDIA.