NVIDIA AVO 在 ARC-AGI-3 公开集拿到满分：这次被测的不只是模型
NVIDIA 宣布其 Agentic Variation Operators（AVO）系统在 ARC-AGI-3 的 25 个公开环境中完成全部 183 个关卡，获得 100.00 RHAE 分数。运行使用 Claude Opus 5，共执行 6,624 次环境动作。
作者：林岚｜OC 开发者生态编辑
NVIDIA 宣布其 Agentic Variation Operators（AVO）系统在 ARC-AGI-3 的 25 个公开环境中完成全部 183 个关卡，获得 100.00 RHAE 分数。运行使用 Claude Opus 5，共执行 6,624 次环境动作。
一句话结论：满分说明 Agent 外壳能显著放大模型能力，但它只覆盖公开集，且不是对 AVO 各模块的受控消融，不能写成“通用智能已被解决”。
ARC-AGI-3 与传统静态题库不同。Agent 进入一个没有说明书、规则和显式目标的交互环境，只能尝试动作、观察变化，再推断怎样过关。RHAE 不只看是否完成，还把动作效率与首次接触任务的人类基线比较。因此，记住失败尝试和减少重复探索会直接影响分数。
AVO 原本用于软件工程和 GPU kernel 优化。NVIDIA 称它曾连续运行七天，探索 500 多个优化方向，提交 40 个 kernel 版本；在所测配置中，多头注意力 kernel 相比 cuDNN 最多快 3.5%，相比 FlashAttention-4 最多快 10.5%。这个系统把主 Agent 与监督器分开：前者提出假设、修改和测试，后者观察长期轨迹，在搜索停滞时重新定向；持久记忆则保存实现、评测和分析结果。
迁移到 ARC-AGI-3 后，底层循环没有变，只是工具和反馈从编译器、Profiler 换成环境动作。AVO 以精确的 64×64 文本网格接收观察，没有给模型发送图像。NVIDIA 还对比了 VISTA：同样完成公开集时，后者报告 7,542 次动作，AVO 少约 12%。但两者的观察格式、记忆、上下文和执行后端均不同，这不是严格对照实验。
还有两条必须写在“满分”旁边：ARC Prize 此前报告 Claude Opus 5 的模型级公开集成绩约为 30%，评测设置不同，不能据此把剩余 70% 全归功于 AVO；NVIDIA 的结果也不是半私有或完全私有竞赛集成绩。公开环境允许工程团队反复调试系统，私有集才更能检验泛化。
关键事实
- 成绩：25 个公开环境、183 个关卡、100.00 RHAE。
- 基础模型：Claude Opus 5。
- 动作数：6,624 次环境动作。
- 边界：仅为公开集结果，且没有隔离测量记忆或监督器的单独贡献。
OC 判断
这条新闻最重要的不是“某模型突然满分”，而是模型榜单开始不足以解释 Agent 能力。记忆、工具、反馈和恢复策略正在变成可独立优化的系统层。下一步真正有说服力的证据，是代码公开、私有集成绩和严格消融，而不是再换一个更大的满分标题。
为什么重要
- 对开发者：Agent 可靠性越来越取决于 harness，而不只取决于模型选择。
- 对评测机构：应同时报告模型、系统配置、动作预算和私有集表现。
- 对企业：长时程自动化需要持久状态与监督机制，单轮提示远远不够。
评论
围绕这篇文章补充信息、提出问题或分享观察。