O que aconteceu
A NVIDIA relata que seu sistema Agentic Variation Operators, ou AVO, alcançou uma pontuação RHAE de 100,00 no conjunto público de 25 ambientes do ARC-AGI-3. Usando Claude Opus 5 e observações de grade 64 por 64 somente texto, o AVO completou todos os 183 níveis em 6.624 ações ambientais. A NVIDIA também descreve uma execução separada de otimização do kernel da GPU de sete dias, na qual a AVO explorou mais de 500 direções e produziu 40 versões comprometidas.
O blog técnico da NVIDIA de 21 de agosto de 2026 apresenta Agentic Variation Operators, ou AVO, como uma arquitetura de agente de codificação de uso geral projetada para trabalhos que vão além de uma única resposta de modelo. O sistema pode inspecionar e editar código, executar comandos, consultar documentação e validar alterações através da execução. Seu design central inclui memória persistente para implementações anteriores, resultados de testes, saídas do compilador e do criador de perfil e raciocínio acumulado, juntamente com um supervisor que observa estagnação ou ciclos improdutivos repetidos.
A empresa descreve o AVO pela primeira vez em um experimento de otimização do kernel da GPU de sete dias. De acordo com a NVIDIA, o sistema explorou mais de 500 direções de otimização e produziu 40 versões de kernel comprometidas. Nos sistemas NVIDIA DGX B200, os kernels de atenção multihead resultantes superaram o cuDNN em até 3,5% e o FlashAttention-4 em até 10,5% nas configurações avaliadas pela equipe. A NVIDIA diz que a AVO adaptou o kernel evoluído para atenção de consulta agrupada em cerca de 30 minutos de trabalho autônomo extra. A fonte não fornece medições independentes, detalhes completos de configuração ou um relato reproduzível de cada teste.
A NVIDIA então conectou a mesma arquitetura AVO subjacente ao ARC-AGI-3, um benchmark de raciocínio interativo composto de ambientes semelhantes a jogos desconhecidos. A empresa afirma que o agente não recebeu regras ou objetivos declarados e teve que inferir como funcionavam as ações por meio da interação. Nesta configuração, o modelo recebeu grades de texto exatas de 64 por 64 em vez de imagens ou tokens de imagem, e o sistema usou ferramentas e avaliação específicas do ambiente, mantendo o ciclo de execução AVO mais amplo.
A empresa reporta uma pontuação de Eficiência Relativa de Ação Humana de 100,00 em todos os 25 ambientes públicos, completando todos os 183 níveis em 6.624 ações ambientais. A NVIDIA compara isso com 7.542 ações relatadas pelo VISTA para Claude Opus 5 nos mesmos níveis públicos, uma diferença de aproximadamente 12%. A NVIDIA diz explicitamente que esta não é uma ablação controlada: os sistemas diferem em back-end, formato de observação, memória, gerenciamento de contexto e outros detalhes de implementação. A fonte também diz que testes limitados emparelharam AVO com GPT-5.6 Sol, mas essas comparações preliminares não foram uma avaliação sistemática completa.
Leia a fonte primária: developer.nvidia.com ↗
Por que isso importa
O resultado apoia o argumento da NVIDIA de que memória persistente, supervisão, uso de ferramentas e recuperação podem afetar materialmente o desempenho do agente em longo prazo. É notável porque a mesma arquitetura subjacente foi aplicada à otimização do kernel da GPU e a um benchmark interativo desconhecido. No entanto, a fonte não estabelece que o AVO tenha causado o ganho total de desempenho, nem que o sistema generalize para o trabalho no mundo real.
A afirmação técnica importante diz respeito ao design do sistema. O desempenho da AVO é apresentado como o produto de um ciclo que forma hipóteses, executa ações, observa resultados, preserva o estado útil, revisa suposições e se recupera de erros. Isso é diferente de avaliar um modelo com base em questões isoladas. Se a abordagem se mantiver, os desenvolvedores poderão cada vez mais tratar a memória, a supervisão, as interfaces de ferramentas e os mecanismos de recuperação como componentes essenciais de capacidade, em vez de wrappers opcionais em torno de um modelo de linguagem.
A transferência entre tarefas é a parte mais importante do relatório da NVIDIA. A otimização do kernel da GPU depende do código-fonte, compiladores, criadores de perfil e medições baseadas em hardware. Em vez disso, o ARC-AGI-3 fornece ambientes interativos e resultados de ação desconhecidos. A NVIDIA argumenta que o elemento transferível não é o conhecimento do domínio, mas o mecanismo para sustentar o progresso quando o feedback chega ao longo de muitas etapas. O resultado é, portanto, relevante para a investigação sobre agentes que devem trabalhar através de estados em mudança, em vez de produzir resultados únicos.
O relatório também ilustra por que as pontuações dos benchmarks principais podem obscurecer o que está sendo medido. A pontuação RHAE de 100,00 pertence ao sistema completo AVO-mais-modelo-mais-interface. Não mostra que Claude Opus 5 sozinho melhorou em relação ao resultado público de aproximadamente 30% citado pela fonte, porque as execuções usaram configurações de raciocínio diferentes e sistemas de avaliação substancialmente diferentes. A comparação das ações também não prova que a memória persistente, o supervisor ou qualquer outro componente individual tenha causado a diferença.
As implicações práticas permanecem incertas. A fonte não estabelece com que frequência o AVO falha, quanta supervisão humana é necessária no uso normal, quanto custa a execução de otimização de sete dias, quanto de computação ele consome ou se seu comportamento é confiável em configurações críticas de segurança. Também não demonstra que o sucesso em ambientes de benchmark desconhecidos se traduz em engenharia de software, investigação científica ou operações comerciais fora das configurações testadas. A evidência da NVIDIA é significativa como resultado de uma pesquisa relatada pela empresa, mas não é por si só uma confirmação independente da confiabilidade ampla do agente.
O que assistir a seguir
O principal acompanhamento é a replicação independente e testes controlados. As comparações com o VISTA não são ablações porque os sistemas diferem no back-end do modelo, nas observações, na memória e no gerenciamento de contexto. O resultado da NVIDIA cobre apenas o conjunto de benchmark público; o desempenho em conjuntos semiprivados ou privados, o custo operacional, os modos de falha, os controles de segurança e a transferência para implantações práticas permanecem desconhecidos.
A replicação deve ser o primeiro teste. Os pesquisadores precisariam executar novamente o AVO ou uma implementação equivalente sob condições documentadas e verificar o resultado de 6.624 ações no conjunto público ARC-AGI-3. Relatórios úteis incluiriam rastreamentos de falhas, contagens de ações por ambiente, variabilidade de execução repetida, inferência e custos de ferramentas, e se os resultados dependem de prompts específicos, conteúdo de memória ou configurações de execução.
Estudos de componentes controlados esclareceriam a origem do ganho. As comparações devem testar separadamente a memória persistente, o supervisor, o gerenciamento de contexto, o formato de observação e a escolha do modelo, mantendo outras variáveis constantes. A postagem da NVIDIA diz que a memória pode reduzir a exploração repetida, mas não isola essa contribuição. A mesma cautela se aplica à comparação com o VISTA, cuja arquitetura e entradas diferem em vários aspectos.
As partes não vistas do benchmark são outra medida não resolvida. A NVIDIA afirma que seus resultados relatados abrangem o conjunto público de 25 ambientes e não são resultados dos conjuntos de competição semiprivados ou totalmente privados. Os resultados futuros em ambientes retidos forneceriam evidências mais fortes sobre a generalização, especialmente se a avaliação impedir que o agente ou os seus desenvolvedores adaptem o sistema às tarefas públicas.
Finalmente, os leitores devem procurar evidências sobre a implantação, em vez de apenas concluir o benchmark. Um agente de longa duração que pode atuar por meio de ferramentas precisa de salvaguardas em relação a permissões, persistência de estado, recuperação e intervenção humana. A fonte menciona a segurança em nível de sistema como um importante princípio de design, mas não relata uma avaliação de segurança do AVO. A sua importância no mundo real dependerá da sua capacidade de manter a precisão, controlar os custos, expor o seu raciocínio e parar com segurança quando o feedback for ambíguo ou os seus pressupostos estiverem errados.
