NVIDIA atinge 100% no teste ARC-AGI-3 com novo sistema autônomo AVO

Supervisor destrava o processo quando a busca empaca

Os pesquisadores Terry Chen, Yeyin (Eva) Zhu, Zhifan Ye, Jean-Francois Puget e Humphrey Shi assinam o estudo técnico dos chamados Agentic Variation Operators. A ferramenta atua como um programador autônomo que lê arquivos, altera código, executa comandos e valida resultados diretamente no hardware. O supervisor intervém quando a busca empaca. Essa camada vigia a trajetória geral e troca a etapa fixa de variação dos sistemas evolutivos por escolhas autônomas do próprio agente.

A primeira prova prática da arquitetura aconteceu ao otimizar rotinas de cálculo para GPUs, onde pequenas mudanças afetam velocidade e consumo de memória. Durante sete dias contínuos em sistemas NVIDIA DGX B200, o AVO explorou mais de 500 direções e gravou 40 versões validadas de kernels de atenção. O teste durou uma semana inteira. O código final superou a biblioteca cuDNN em até 3,5%, bateu a FlashAttention-4 em até 10,5% e exigiu apenas 30 minutos extras para migrar para grouped-query attention.

Cem por cento no conjunto público do ARC-AGI-3

A equipe aplicou a mesma estrutura geral ao benchmark ARC-AGI-3 sem reformular o agente, trocando apenas as ferramentas do ambiente e os critérios de avaliação. O sistema registrou 100,00 de pontuação RHAE em todos os 25 ambientes do conjunto público e concluiu todos os 183 níveis disponíveis. O modelo de base continuou idêntico. Na comparação direta, o AVO resolveu o conjunto público consumindo cerca de 12% menos ações de ambiente do que o rival VISTA com o mesmo modelo.

Apesar da marca expressiva, os dados exigem cautela diante das condições descritas no comunicado corporativo. O índice de 100% vale apenas para o conjunto público do ARC-AGI-3 e não antecipa como o agente se comporta diante de avaliações fechadas do teste. A empresa não liberou o código. A NVIDIA não abriu acesso comercial à ferramenta, restringindo a divulgação ao artigo técnico AVO: Agentic Variation Operators for Autonomous Evolutionary Search e a textos gerados com apoio do NVIDIA Nemotron.

O anúncio reforça uma mudança visível na indústria de tecnologia: o arranjo do sistema ao redor do modelo define a capacidade real de executar tarefas longas. Um modelo de fronteira isolado funciona apenas como uma peça, pois a estrutura externa dita como ele recebe contexto, guarda estado, aciona ferramentas e supera falhas. A inteligência isolada não basta. Ao mostrar que Claude Opus 5 salta de 30% para a pontuação máxima com suporte estruturado, a pesquisa indica que a autonomia técnica depende do processo e não apenas da rede neural.