O segredo do AVO: como a NVIDIA transformou um modelo de 30% em um agente de 100%

O resultado da NVIDIA combina o modelo de base com um sistema de execução pensado para sustentar tarefas com muitas etapas. O AVO pode inspecionar e modificar artefatos, executar ferramentas e comandos, consultar documentação, avaliar resultados e rever a própria estratégia com base no feedback recebido.

Na prática, isso substitui o modelo de “pergunta e resposta” por um ciclo contínuo:

1. Formular uma hipótese sobre o problema.
2. Executar uma ação por meio de uma ferramenta disponível.
3. Observar a resposta do ambiente.
4. Registrar descobertas e informações úteis.
5. Verificar se o resultado funcionou.
6. Corrigir a estratégia e continuar.

Esse processo é especialmente relevante no ARC-AGI-3. Nesse benchmark, o agente entra em ambientes interativos desconhecidos e precisa descobrir regras, objetivos e padrões por meio da exploração. Não basta responder a um comando totalmente especificado.

O que a arquitetura do AVO acrescenta

O sistema reúne recursos que, isoladamente, podem parecer conhecidos, mas ganham força quando coordenados durante uma tarefa longa.

Memória persistente

A memória persistente permite que o agente guarde descobertas, tentativas malsucedidas e informações de estado, em vez de tratar cada movimento como uma interação independente. Em um teste baseado em exploração, isso pode reduzir erros repetidos e ajudar o sistema a construir um modelo funcional de um ambiente desconhecido.

Ferramentas de execução e feedback externo

O AVO foi desenvolvido como um agente de programação capaz de inspecionar trabalhos, fazer alterações, executar comandos e validar resultados. Assim, o raciocínio fica conectado a evidências observáveis: uma mudança proposta pode ser testada, medida e ajustada, em vez de ser aceita apenas porque parece plausível.

Supervisão e recuperação

Uma camada supervisora ajuda a coordenar o processo mais longo. Em vez de deixar uma única chamada do modelo controlar indefinidamente todas as decisões, o sistema pode acompanhar o progresso, identificar caminhos improdutivos e ajudar na recuperação quando uma hipótese falha. As descrições da NVIDIA e de fontes relacionadas caracterizam o AVO como uma combinação de memória, ferramentas de execução, feedback externo e supervisão para trabalho autônomo contínuo.

Juntos, esses componentes oferecem ao modelo uma estrutura para explorar, agir, observar e corrigir. O modelo continua responsável por boa parte do raciocínio, mas o harness — a camada de execução e controle do agente — determina como esse raciocínio será aplicado ao ambiente.

Comparação com Claude Opus 5 e GPT-5.6 Sol

A comparação ajuda a dimensionar o resultado, mas as pontuações precisam ser lidas junto com seus respectivos formatos de avaliação.

Os números do AVO e do Opus 5 sozinho não representam exatamente a mesma medição. O primeiro é o resultado de um sistema completo de agente no conjunto público; o segundo é uma pontuação do modelo em um harness de benchmark. Essa diferença é central para entender o caso.

O GPT-5.6 Sol reforça a mesma conclusão por outro caminho. Os resultados publicados pela ARC Prize mostram o Sol com 7,78% no esforço máximo de raciocínio, enquanto a OpenAI informou separadamente 38,3% em tarefas públicas após preservar o raciocínio entre turnos e usar compactação. Esses números não substituem a pontuação oficial do placar nem formam uma comparação perfeitamente equivalente, mas mostram como memória e gerenciamento de estado podem alterar de forma significativa o desempenho de um agente.

A conclusão mais segura não é que um modelo seja universalmente superior ao outro. É que o desempenho autônomo depende de vários elementos funcionando em conjunto: modelo, política de memória, interface de ferramentas, gerenciamento de estado e harness de avaliação.

Por que o AVO nasceu na otimização de kernels de GPU

O ambiente original do AVO envolvia engenharia de software complexa e otimização de kernels de GPU. Nesse cenário, o agente precisa examinar uma implementação, propor uma alteração, executar testes baseados no hardware, interpretar os dados de desempenho e decidir o que testar em seguida. O sucesso depende de experimentação repetida, não de uma única geração correta.

A NVIDIA relata que, nesse trabalho, o AVO explorou mais de 500 direções, registrou 40 versões de kernels e alcançou desempenho até 10,5% superior ao do FlashAttention-4 em sistemas DGX B200.

A capacidade transferida para o ARC-AGI-3 não é necessariamente o conhecimento específico sobre kernels de GPU. O que parece ter sido transferido é o processo experimental: gerar uma alternativa, executá-la, medir o resultado, preservar o que foi aprendido e mudar de direção quando as evidências contradizem a hipótese. O ARC-AGI-3 usa uma interface diferente, mas também favorece agentes capazes de descobrir estruturas por meio de interações sucessivas.

Além de resolver, o AVO buscou agir com eficiência

Segundo os dados divulgados, o AVO resolveu todo o conjunto público em 6.624 ações de ambiente, contra 7.542 ações atribuídas ao VISTA — uma redução de aproximadamente 12% para concluir os mesmos 183 níveis.

Esse detalhe importa porque a métrica RHAE do ARC-AGI-3 considera a eficiência das ações em relação ao desempenho humano, e não apenas se o agente eventualmente chega a um estado bem-sucedido.

Um sistema de longo horizonte precisa, portanto, administrar bem a exploração. Tentativas e erros em excesso podem tornar um agente capaz também ineficiente, caro ou pouco prático para uso real.

O que o resultado revela sobre IA corporativa

Para aplicações empresariais, a principal lição é arquitetural. Um sistema autônomo confiável provavelmente não será apenas um modelo de linguagem conectado a algumas ferramentas. Ele precisará de uma camada de execução governada ao redor do modelo.

Essa camada pode incluir:

• memória persistente para tarefas e gerenciamento explícito de estado;
• interfaces de ferramentas restritas e testáveis;
• etapas de validação antes da aprovação de ações importantes;
• registros observáveis das etapas intermediárias e trilhas de auditoria;
• mecanismos de recuperação, reversão e escalonamento; e
• permissões claras para ações que afetem clientes, sistemas ou dados.

O AVO também fortalece a tese a favor de pilhas de agentes modulares. Se parte relevante do ganho de desempenho vier do harness, as organizações podem se beneficiar ao manter separadas do modelo de base as camadas de memória, os adaptadores de ferramentas, as suítes de avaliação, os controles de política e a observabilidade. Isso facilita comparar modelos, trocar de fornecedor ou ajustar o sistema para um fluxo de trabalho específico sem reconstruir toda a arquitetura.

Ainda assim, o resultado do benchmark não deve ser tratado como prova de confiabilidade empresarial. O índice de 100% divulgado pela NVIDIA refere-se ao conjunto público do ARC-AGI-3. Ele não demonstra desempenho equivalente em tarefas privadas do benchmark, dados de produção ou processos corporativos de alto risco. Replicação independente, testes em conjuntos ocultos, análise de custo e latência, revisão de segurança e avaliações de proteção continuam sendo necessários.

A conclusão mais ampla

O resultado do AVO desloca a pergunta de “qual modelo é mais inteligente?” para uma questão mais operacional: qual sistema consegue preservar contexto, usar ferramentas, aprender com o feedback e se recuperar de erros ao longo de um fluxo de trabalho extenso?

O modelo continua importante, mas o ARC-AGI-3 oferece uma demonstração clara de que o harness ao redor dele pode determinar se sua capacidade se sustenta diante de um ambiente desconhecido. Para empresas que desenvolvem IA autônoma, a vantagem competitiva pode estar cada vez mais na qualidade do sistema de execução — e não apenas na chamada ao modelo.