לא רק המודל: מערכת AVO של NVIDIA השיגה 100% ב-ARC-AGI-3
NVIDIA מדווחת כי AVO, בשילוב Claude Opus 5, קיבלה ציון מושלם של 100.00 RHAE במערך הציבורי של ARC AGI 3, לאחר שהשלימה 183 שלבים ב 25 סביבות וביצעה 6,624 פעולות. הלקח המרכזי אינו בהכרח שהמודל עצמו השתפר, אלא שמעטפת הסוכן — הכוללת זיכרון מתמשך, שימוש בכלים, תיקון על בסיס משוב ופיקוח — יכולה לשנות דרמטית את ביצועי המערכת.
NVIDIA מדווחת כי AVO, בשילוב Claude Opus 5, קיבלה ציון מושלם של 100.00 RHAE במערך הציבורי של ARC AGI 3, לאחר שהשלימה 183 שלבים ב 25 סביבות וביצעה 6,624 פעולות.
הלקח המרכזי אינו בהכרח שהמודל עצמו השתפר, אלא שמעטפת הסוכן — הכוללת זיכרון מתמשך, שימוש בכלים, תיקון על בסיס משוב ופיקוח — יכולה לשנות דרמטית את ביצועי המערכת.
How did Nvidia’s Agentic Variation Operators (AVO) agent achieve a perfect 100% score on the ARC-AGI-3 interactive reasoning benchmark, andAVO’s ARC-AGI-3 result illustrates how memory, tools and supervision can extend a foundation model’s capabilities.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: How did Nvidia’s Agentic Variation Operators (AVO) agent achieve a perfect 100% score on the ARC-AGI-3 interactive reasoning benchmark, and. Article summary: NVIDIA reports that AVO achieved 100.00 RHAE on ARC-AGI-3’s public set by pairing Claude Opus 5 with a long-horizon agent harness—not by relying on a stronger base model alone. It completed all 183 levels in 25 environme. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com
הישג מרשים של NVIDIA ב-ARC-AGI-3 מציב במרכז הבמה לא רק את מודל השפה, אלא גם את המערכת שמקיפה אותו.
NVIDIA מדווחת כי מערכת Agentic Variation Operators, או בקיצור AVO, השיגה ציון מושלם של 100.00 RHAE במערך הציבורי של מבחן ARC-AGI-3. המערכת, שפעלה עם Claude Opus 5, השלימה את כל 183 השלבים ב-25 סביבות בתוך 6,624 פעולות.
RHAE הוא מדד ליעילות פעולות יחסית לאדם — כלומר, הוא בוחן לא רק אם הסוכן הצליח להגיע לתוצאה, אלא גם כמה פעולות נדרשו לו בדרך.
הנקודה המעניינת במיוחד היא שלא מדובר בהכרח במודל יסוד חדש שפתר לפתע את המבחן. החידוש הוא בארכיטקטורת סוכן שנבנתה לעבודה ממושכת — במקור להנדסת תוכנה ולאופטימיזציה של ליבות GPU — והועברה למשימת הסקה אינטראקטיבית מסוג שונה לחלוטין.
מה השתנה? בעיקר המערכת שמסביב למודל
בצילום מצב של טבלת המובילים שפורסמה, Claude Opus 5 לבדו קיבל 30.2%, ואילו GPT-5.6 Sol קיבל 7.8% תחת תצורת ההרצה הסטנדרטית.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "לא רק המודל: מערכת AVO של NVIDIA השיגה 100% ב-ARC-AGI-3"?
NVIDIA מדווחת כי AVO, בשילוב Claude Opus 5, קיבלה ציון מושלם של 100.00 RHAE במערך הציבורי של ARC AGI 3, לאחר שהשלימה 183 שלבים ב 25 סביבות וביצעה 6,624 פעולות.
What are the key points to validate first?
NVIDIA מדווחת כי AVO, בשילוב Claude Opus 5, קיבלה ציון מושלם של 100.00 RHAE במערך הציבורי של ARC AGI 3, לאחר שהשלימה 183 שלבים ב 25 סביבות וביצעה 6,624 פעולות. הלקח המרכזי אינו בהכרח שהמודל עצמו השתפר, אלא שמעטפת הסוכן — הכוללת זיכרון מתמשך, שימוש בכלים, תיקון על בסיס משוב ופיקוח — יכולה לשנות דרמטית את ביצועי המערכת.
לעומת זאת, תוצאת AVO השתמשה באותו סוג מודל בסיסי יחד עם מערכת ביצוע שנועדה לאפשר עבודה לאורך שלבים רבים. המערכת יכולה לבדוק ולשנות תוצרים, להפעיל כלים ופקודות, לעיין בתיעוד, להעריך תוצאות ולשנות את הגישה בהתאם למשוב חיצוני.
במקום דפוס של שאלה ותשובה חד-פעמית, AVO פועלת בלולאה מתמשכת:
גיבוש השערה לגבי המשימה.
ביצוע פעולה באמצעות כלי זמין.
בחינת התגובה של הסביבה.
שמירת תגליות ומצב שימושי בזיכרון.
בדיקה אם התוצאה אכן עובדת.
שינוי האסטרטגיה והמשך הפעולה.
הלולאה הזו חשובה במיוחד ב-ARC-AGI-3. במבחן, הסוכנים נדרשים להיכנס לסביבות אינטראקטיביות לא מוכרות, להבין את הכללים ואת המטרה דרך הפעולות שלהם, ולא רק להשיב להנחיה מלאה וברורה מראש.
ארבעה רכיבים שמאפשרים עבודה לאורך זמן
זיכרון מתמשך
זיכרון מתמשך מאפשר לסוכן לשמור תגליות, ניסיונות כושלים ומידע על מצב המשימה, במקום להתייחס לכל צעד כאילו הוא שיחה נפרדת. במבחן שמבוסס על חקירה, הדבר עשוי להפחית חזרה על טעויות ולסייע בבניית מודל עבודה של סביבה לא מוכרת.
כלים ומשוב מהעולם החיצוני
AVO פותחה כמערכת לסוכני תכנות שיכולים לבדוק עבודה, לבצע שינויים, להפעיל פקודות ולאמת תוצאות. לכן ההיגיון של הסוכן מחובר לתוצאה נצפית: אפשר לבדוק הצעה, למדוד אותה ולתקן אותה — ולא להסתפק בכך שהיא נשמעת הגיונית.
פיקוח והתאוששות
שכבת פיקוח מסייעת לנהל את התהליך הארוך. במקום לאפשר לקריאת מודל יחידה לשלוט בכל ההחלטות ללא הגבלה, המערכת יכולה לעקוב אחר ההתקדמות, לזהות כיוונים לא יעילים ולסייע בהתאוששות כאשר הנחה מסוימת מתבררת כשגויה. תיאורים של NVIDIA ושל המערכת מציגים את AVO כשילוב של זיכרון, כלי ביצוע, משוב חיצוני ופיקוח לעבודה אוטונומית מתמשכת.
יחד, הרכיבים האלה מספקים למודל מסגרת מסודרת של חקירה, פעולה, תצפית ותיקון. המודל עדיין מספק חלק גדול מההסקה, אך ה-harness — מעטפת ההרצה והניהול של הסוכן — קובעת כיצד ההסקה הזו מתורגמת לפעולות בסביבה.
איך זה משתווה ל-Claude Opus 5 ול-GPT-5.6 Sol?
מערכת או תצורה
תוצאה מדווחת ב-ARC-AGI-3
הקשר ההערכה
AVO עם Claude Opus 5
100.00 RHAE
המערך הציבורי; 183 מתוך 183 שלבים הושלמו
Claude Opus 5 לבדו
30.2%
צילום מצב של טבלת המובילים ותצורת השוואה סטנדרטית
GPT-5.6 Sol
7.8%
השוואה סטנדרטית או מאומתת למחצה
GPT-5.6 Sol עם שמירת תהליך החשיבה וקומפקטציה
38.3%
הרצה מותאמת אישית של OpenAI במשימות ציבוריות
חשוב להיזהר מהשוואה ישירה מדי. הציון של AVO הוא תוצאה של מערכת סוכן שלמה במערך הציבורי, ואילו הציון של Claude Opus 5 לבדו הוא ציון מודל תחת harness של המבחן. ההבדל הזה הוא לב הסיפור.
GPT-5.6 Sol מדגים את אותה נקודה מכיוון אחר. התוצאות שפרסמה ARC Prize מציבות את Sol על 7.78% במאמץ חשיבה מרבי, בעוד ש-OpenAI דיווחה בנפרד על 38.3% במשימות ציבוריות לאחר שמירת תהליך החשיבה לאורך תורות ושימוש בקומפקטציה. אלה אינן תחליף ישיר לציון הרשמי בטבלת המובילים, אך הן מראות עד כמה זיכרון וניהול מצב יכולים להשפיע על ביצועי סוכן.
המסקנה הזהירה אינה שמודל אחד טוב יותר באופן אוניברסלי. היא שביצועים אוטונומיים תלויים במידה רבה בשילוב בין המודל, מדיניות הזיכרון, ממשק הכלים, אסטרטגיית ניהול המצב ו-harness ההערכה.
למה המקור של AVO באופטימיזציה של ליבות GPU חשוב?
AVO נולדה מתוך עבודה על הנדסת תוכנה מורכבת ועל אופטימיזציה של ליבות GPU. בתרחיש כזה, הסוכן צריך לבדוק מימוש קיים, להעלות השערה, להציע שינוי, להריץ בדיקות המבוססות על ביצועי חומרה, לפרש את המשוב ולהחליט מה לנסות בהמשך. הצלחה דורשת ניסוי חוזר ונשנה — לא יצירה נכונה אחת.
NVIDIA מדווחת כי בעבודת האופטימיזציה של ליבות GPU בחנה AVO יותר מ-500 כיוונים, שמרה 40 גרסאות של ליבות, והשיגה שיפור של עד 10.5% לעומת FlashAttention-4 במערכות DGX B200.
היכולת שעוברת מתחום לתחום אינה בהכרח ידע ייחודי בליבות GPU, אלא תהליך ניסויי יציב: יצירת מועמד, הפעלתו, מדידת התוצאה, שמירת הלקחים ושינוי הכיוון כאשר הראיות סותרות את ההשערה. גם ARC-AGI-3 מציב ממשק שונה, אך הוא מתגמל סוכנים שמסוגלים לגלות מבנה וכללים באמצעות אינטראקציה חוזרת.
לא רק הצלחה — גם יעילות בפעולות
לפי הדיווח, AVO פתרה את המערך הציבורי המלא ב-6,624 פעולות סביבה, לעומת 7,542 פעולות שדווחו עבור VISTA — הפחתה של כ-12%, תוך השלמת אותם 183 שלבים.
זהו נתון משמעותי מכיוון שמדד RHAE של ARC-AGI-3 משקלל יעילות פעולות ביחס לביצועים אנושיים, ולא רק את השאלה אם הסוכן הגיע בסופו של דבר למצב מוצלח. מערכת שעובדת לאורך זמן צריכה לכן לנהל את החקירה בזהירות: ניסוי וטעייה מופרזים עלולים להפוך סוכן מוכשר לאיטי, יקר או לא מעשי.
מה ארגונים יכולים ללמוד מזה?
עבור יישומים ארגוניים, הלקח החשוב ביותר הוא אדריכלי. מערכת אוטונומית אמינה כנראה לא תהיה פשוט מודל שפה שמחובר לכמה כלים. היא תזדקק לשכבת ביצוע מנוהלת סביב המודל.
שכבה כזו יכולה לכלול:
זיכרון מתמשך למשימה וניהול מצב מפורש;
ממשקי כלים מצומצמים וניתנים לבדיקה;
שערי אימות לפני אישור פעולות חשובות;
שלבי ביניים גלויים ויומני ביקורת;
מסלולי התאוששות, ביטול והסלמה; וכן
הרשאות ברורות לפעולות שמשפיעות על לקוחות, מערכות או מידע.
התוצאה של AVO מחזקת גם את הטיעון בעד מחסניות סוכנים מודולריות ופתוחות. אם חלק גדול מהשיפור מגיע מה-harness, ארגונים עשויים להעדיף להפריד בין שכבת המודל לבין רכיבים כמו זיכרון, מתאמי כלים, מערכי הערכה, בקרות מדיניות וניטור. כך ניתן להחליף מודל או ספק בלי לבנות מחדש את כל המערכת.
עם זאת, אין לראות בציון 100% הוכחה לאמינות ארגונית. מדובר בתוצאה שדווחה על ידי NVIDIA במערך הציבורי של ARC-AGI-3. היא אינה מוכיחה ביצועים זהים במשימות פרטיות, בנתוני ייצור או בתהליכים עסקיים בעלי סיכון גבוה. נדרשים עדיין שחזור בלתי תלוי, בדיקה על מערכים מוסתרים, ניתוח עלות וזמן תגובה, ביקורת אבטחה והערכת בטיחות.
השורה התחתונה
AVO משנה מעט את השאלה המרכזית בתחום הסוכנים האוטונומיים. במקום לשאול רק איזה מודל הוא החכם ביותר, כדאי לשאול גם: איזו מערכת מסוגלת לשמור הקשר, להשתמש בכלים, ללמוד ממשוב ולהתאושש באופן אמין לאורך תהליך ארוך?
המודל עדיין חשוב, אך ARC-AGI-3 מדגים היטב שהמעטפת סביבו יכולה לקבוע אם היכולת שלו תשרוד מפגש עם סביבה לא מוכרת. עבור ארגונים שבונים מערכות AI אוטונומיות, היתרון התחרותי עשוי להימצא יותר ויותר באיכות מערכת הביצוע — ולא בקריאת המודל לבדה.
