Исследователи NVIDIA подключили языковую модель Claude Opus 5 к собственной агентной архитектуре Agentic Variation Operators (AVO) и довели результат на интерактивном бенчмарке ARC-AGI-3 со средних 30% до 100%. Подробности эксперимента опубликованы командой AIGENDA LIVE. В абсолютном выражении прирост составил 70 процентных пунктов, в относительном — более 300% к исходному показателю той же модели без AVO.
Что такое агентная архитектура и почему она меняет результат? ИИ-агент — это программа, которая сама планирует действия, обращается к внешним инструментам и корректирует поведение по обратной связи. Базовая языковая модель в таком агенте играет роль рассуждающего ядра, а AVO добавляет постоянную память, набор операторов для вариаций решений, механизм оценки промежуточных результатов и контроллер, следящий за достижением цели. Именно эта обвязка превратила 30% в 100% на ARC-AGI-3.
Раньше развитие ИИ-агентов концентрировалось вокруг новых моделей: исследователи сравнивали GPT-4, Claude, Gemini, Llama и спорили, какая из них лучше решает длинные задачи. Эксперимент NVIDIA смещает фокус: при одинаковом «мозге» качество работы определяет инфраструктура вокруг него. Это меняет и методику сравнения систем, и приоритеты разработчиков — теперь набор инструментов, память и контроллер становятся самостоятельным объектом инженерии.
Практический смысл для рынка корпоративных ИИ-агентов прямой: компании могут получить кратный рост качества автоматизации без замены дорогой базовой модели. Команда AIGENDA LIVE дополнила материал собственным разбором, по какому сценарию агентная обвязка масштабируется на типовые бизнес-процессы и где у open-source-стеков остается окно возможностей.
Хотите разобраться, какие компоненты агентной архитектуры дают наибольший эффект на практике? AiGENDA соберёт публикации NVIDIA и смежных лабораторий по теме AVO, переведёт их на простой язык и сравнит результаты бенчмарка для разных моделей. Попробуйте бесплатно.
