Harness定胜负 英伟达AVO让Opus 5拿满分

时间 2026 年 8 月 21 日（北京时间 8 月 22 日凌晨），Nvidia 在开发者博客正式公布 Agentic Variation Operators（AVO）研究论文与 ARC-AGI-3 基准测试结果。研究论文 arXiv 编号 2603.24517。 地点 全球范围公布，核心实验在 Nvidia AI 部门进行；基准测试结果由 ARC Prize 独立验证并由第三方科技媒体 TechCrunch、Linxi News、CoinDesk 等同步报道。 人物 - Adel El Hallack，Nvidia AI 产品副总裁，是本次研究的对外发言人 - ARC Prize 团队，ARC-AGI-3 基准的设计与维护方 - Anthropic 团队，Claude Opus 5 的提供方，本研究中作为底层模型被调用 - OpenAI 团队，因前期在 ARC-AGI-3 上得分不足 10% 而被本次研究"针对性"对比 事件详情 Nvidia 用 Claude Opus 5 作为底层模型，配合自研的 Agentic Variation Operators（AVO）自定义 Harness，在 ARC-AGI-3 交互式推理基准上拿到 100% 完美得分。 具体细节： - AVO 包含持久记忆、监督代理（supervisor）和反馈循环三大组件 - 共完成 25 个环境、183 个关卡，使用 6624 次环境动作 - 比此前的 SOTA 系统 VISTA 少用约 12% 环境动作（VISTA 用 7542 次） - 同样使用 Claude Opus 5，去掉 Harness 后得分从 100% 跌至 30% - 该 30% 已经是所有裸模型测试中的最高分 Nvidia 还做了交叉实验：把 AVO 套在 OpenAI 的 GPT-5.6 Sol 上跑部分关卡，Sol 在某些关卡用时更短，Opus 5 在动作数上更省，两类前沿模型呈现互补特征。 背景 ARC-AGI-3 是一套 2D 游戏形式的无说明交互推理基准，要求 AI 像人类一样自行探索环境、发现规则并取胜，是当前公认的智能体长程任务难度天花板。 行业近期对 Harness 价值的认知迅速升温： - OpenAI 此前模型在 ARC-AGI-3 上得分不到 10%，后通过两个 Harness 设置微调使分数翻三倍 - Microsoft 4 月研究显示，19 款主流 LLM 在长程文档编辑任务中均产生大量错误 - Databricks 7 月研究指出 Harness 选择可使 AI 推理成本最高相差 2 倍 - Anthropic Claude Code、OpenAI Codex、DeepSeek Harness 均属于 Harness 层代表产品 影响 - 进一步证实"Harness 决定上限、模型决定基线"的行业判断 - 把 AI 智能体竞争焦点从参数规模推向工程层与运行时 - Nvidia 通过 Nemo 品牌持续输出开源 Harness 组件，强化软硬一体护城河 - 给闭源厂商带来开放策略压力，倒逼 Anthropic、OpenAI 思考 Harness 透明度 总结 - Harness 而非底层模型，是 AI 智能体可靠性的真正决定因素 - 100% 的 ARC-AGI-3 得分由系统架构而非模型智能单独实现 - 这不是 Nvidia 商业产品，是研究展示，但传递的信号非常明确：Agent 竞争进入"调度层 + 工具层"工程化时代 - 业内玩家（DeepSeek、OpenAI、Anthropic）都已押注 Harness 路线，下一步看谁能做出更可靠的运行时 参考来源 1. TechCrunch（原始报道）: https://techcrunch.com/2026/08/21/nvidia-just-showed-that-the-harness-not-the-ai-model-is-now-the-real-hero/ 2. Nvidia 开发者博客（论文与官方说明）: https://developer.nvidia.com/blog/nvidia-avo-reaches-100-on-arc-agi-3-demonstrating-a-frontier-level-general-purpose-architecture-for-long-horizon-autonomous-agents/ 3. CoinDesk（基准细节）: https://coindesk.cc/nvidia-s-avo-agent-completes-arc-agi-3-benchmark-with-100-success-rate-103821.html 4. Linxi News（综合分析）: https://news.linxi.com.au/news/nvidia-research-suggests-ai-harness-outperforms-model-choice-in-long-horizon-tasks 5. Omega Technology（架构解读）: https://www.omegatechnologysolutionsgroupinc.com/blog/nvidias-avo-agent-scores-100-on-arc-agi-3-benchmark-cc6c6c 6. explainx.ai（Codex Harness 对比）: https://explainx.ai/blog/codex-as-a-platform-open-agent-harness-august-2026 7. FrontierNews.ai（DeepSeek Harness 战略）: https://www.frontiernews.ai/news/article/deepseeks-modular-harness-strategy-signals-a-shift-d02b7774