Claude Opus 5, um dos modelos de linguagem mais avançados da Anthropic, pontuou apenas 30,2% no ARC-AGI-3 quando testado sozinho. Mas quando envolto no sistema de agentes AVO da Nvidia, o mesmo modelo atingiu 100% — completando todos os 183 níveis em 25 ambientes diferentes. O resultado, divulgado na sexta-feira, é uma prova concreta de que a arquitetura que cerca um modelo pode ser mais importante do que o modelo em si.
O ARC-AGI-3 é um dos benchmarks de raciocínio mais desafiadores da indústria de IA. Diferente de testes de múltipla escolha, ele exige que o modelo interaja com ambientes desconhecidos, descubra objetivos implícitos e tome decisões em sequência — algo muito mais próximo do que um agente autônomo precisa fazer no mundo real.
O Que é o AVO
AVO, sigla para Agentic Variation Operators, é um sistema de agentes de codificação de propósito geral apresentado pela primeira vez em março de 2026. Ele não é um modelo de linguagem — é um "harness", o software que envolve o modelo e decide como ele interage com o mundo.
O AVO lida com as tarefas de arquitetura agêntica: inspecionar e editar código, executar comandos, consultar documentação e validar trabalho por meio de execução. Sua principal distinção é a "operação autônoma sustentada em contexto" — a capacidade de manter trabalho contínuo por extensas tarefas de múltiplos passos ao longo de longos períodos.
A equipe de engenheiros da Nvidia, liderada pelo engenheiro principal Terry Chen, explicou que o AVO substitui o "passo de variação predefinida de sistemas de busca evolutiva convencionais" por um agente autônomo que decide como gerar o próximo candidato: o que inspecionar, o que alterar, o que testar e o que comprometer.
Como Funcionou o Teste
No ARC-AGI-3, o agente precisa construir hipóteses a partir de evidências incompletas, agir por meio de uma interface externa, preservar estado e progresso, e corrigir pressupostos incorretos — tudo isso em tarefas de longa duração que transcendem a janela de contexto de uma única invocação do modelo.
Dois mecanismos são fundamentais para que isso funcione:
- Memória persistente: Permite que o agente carregue implementações anteriores, resultados de avaliações, saídas de compiladores e raciocínio acumulado. Isso permite que ele retome do estado atual, em vez de reconstruir repetidamente a busca.
- Supervisão: Um supervisor (um módulo de software, não um humano) monitora a trajetória de busca mais ampla e pode intervir quando o progresso trava.
O resultado: 100% de pontuação em todos os 25 ambientes, completando todos os 183 níveis. E o mais importante — o mesmo AVO foi capaz de transferir essa capacidade de otimização de kernels GPU para tarefas de raciocínio interativo completamente diferentes.
A Lição: O Modelo Não É Tudo
A Nvidia testou o AVO também com o GPT-5.6 Sol da OpenAI. Em testes preliminares, o Sol alcançou níveis correspondentes mais rapidamente em termos de tempo absoluto, enquanto o Opus usou menos ações do ambiente em comparações de níveis correspondentes.
"Esses resultados preliminares sugerem perfis operacionais complementares entre modelos", observou a equipe da Nvidia. Isso reforça a ideia de que a escolha do modelo importa, mas a arquitetura do agente que o envolve é igualmente — ou mais — crítica.
A equipe destacou que o resultado mais importante não é simplesmente a pontuação de 100%, mas o fato de que a mesma arquitetura de agente se transferiu de otimização de kernels GPU altamente especializada para uma tarefa de raciocínio interativo muito diferente.
"A capacidade de longa duração é uma propriedade do sistema completo", concluíram os engenheiros. "A memória determina o que sobrevive, as ferramentas determinam quais ações são possíveis, o feedback fundamenta o progresso, e a recuperação permite que o trabalho continue além de uma única invocação do modelo."
O Que Isso Significa Para a Indústria
Enquanto a corrida por modelos mais poderosos continua — com cada laboratório tentando criar o próximo modelo de fronteira — o resultado do AVO sugere que a diferenciação pode estar mudando. Em vez de apenas construir modelos melhores, a indústria pode precisar investir mais em como esses modelos são integrados em sistemas completos.
Para empresas construindo agentes de IA para produção, a mensagem é clara: não basta ter o melhor modelo. A memória, as ferramentas, o feedback e a recuperação são igualmente importantes para converter capacidade do modelo em progresso autônomo sustentado.
O ARC-AGI-3, criado por François Chollet (que elogiou a abordagem da Nvidia), continua sendo apenas um benchmark público. A verdadeira prova estará nos conjuntos de dados semi-privados e totalmente privados da competição. Mas o sinal já é forte: a arquitetura de agentes está se tornando tão importante quanto os modelos que ela contém.