8月22日消息，NVIDIA 发布博客称，其通用智能体架构 AVO（Agentic Variation Operators）在交互式推理基准 ARC-AGI-3 的公共集上取得 100.00 RHAE 满分，完成全部 25 个环境、183 个关卡。底层模型为 Anthropic 的 Claude Opus 5，该模型在此前 ARC Prize 的单独评测中得分约 30%。NVIDIA 强调，把 30% 拉到满分的是系统设计而非模型本身，同时明确这批结果仅覆盖公共集，不代表私有竞赛集的表现。 从优化 GPU 内核长出来的架构
AVO 是 NVIDIA 开发的通用编码智能体系统，此前的主要战场是 GPU 内核优化：在一次注意力内核研究中连续自主运行 7 天，探索超过 500 个优化方向，提交 40 个内核版本，在 DGX B200 上最高比 FlashAttention-4 快 10.5%、比 cuDNN 快 3.5%，随后又用约 30 分钟把演化出的内核自适应到分组查询注意力。
支撑长时程运行的是三组机制：持久记忆把此前的实现、评测结果和推理结论带过单次上下文的边界；监督模块监控整体轨迹，在停滞或无效循环出现时重定向主智能体；主循环则反复执行检查、规划、实现、评估四个步骤，靠工具调用和执行反馈落地。迁移到 ARC-AGI-3 时，这套架构没有重写，只更换了任务接口。
满分的含金量边界
ARC-AGI-3 要求智能体在没有指令、没有规则说明、没有目标提示的情况下进入陌生环境，通过交互推断规则并逐关推进，计分结合完成率与相对人类首次通关的动作效率。AVO 用 6,624 次环境动作完成全部关卡；同样使用 Claude Opus 5 的 VISTA 系统完成相同关卡用了 7,542 次，AVO 少约 12%。但 NVIDIA 自己指出，这不是受控对比——两套系统在后端、观察表示（VISTA 用图像输入，AVO 只接收 64×64 的文本网格）、记忆和上下文管理上都不一样，记忆机制的独立贡献也没有做消融实验。
更关键的限定在基准本身：这批成绩仅覆盖公共集，未触及半私有和完全私有的竞赛集。按 ARC Prize 的规则，公共集成绩不计入官方排行榜，原因在于无法排除系统曾用公共环境做开发调优。NVIDIA 在博客中同样写明，30% 与 100% 这两个数字来自不同的推理设置和评测设置，不应被解读为 AVO 贡献的直接测量。
评估模型不等于评估智能体
NVIDIA 把这次结果的核心归结为一个方法论论点：模型能力巨大地重要，但决定能力能否转化为持续自主进展的，是围绕模型的整套系统。GPU 内核优化和 ARC-AGI-3 表面上毫无交集，底层的计算模式却相同——从不完整的证据形成假设、通过外部接口行动、观察后果、保留有效状态、修正错误认知。领域变了，反馈通道变了，循环没变。迁移过来的不是领域知识，而是让进展可以跨上下文累积的机制。
这个论点对 Agent 开发者是直接的背书：记忆、监督、执行反馈这些 harness 层的设计，正在成为与底层模型同量级的竞争维度。NVIDIA 还用 GPT-5.6 Sol 做了小规模配对测试，发现不同 frontier 模型在 AVO 上呈现互补的运行特征，系统性对比留待后续。含金量的最终检验在私有集——那才是 ARC Prize 排行榜说话的地方。
AI 速览
