Nvidia 研究：在长程任务中，框架比模型更重要

Nvidia 于本周五发布的一项研究指出，在长程任务（long-horizon tasks）中，决定 AI 智能体表现的关键并非底层模型，而是围绕模型的「框架」（harness）。研究人员通过自研框架配合「监督者」组件，让 Claude Opus 5 在交互式推理基准 ARC-AGI-3 上取得了 100% 的满分成绩。

核心观点：智能体不等于模型的 API

Nvidia AI 部门产品副总裁 Adel El Hallack 表示，业界习惯把智能体看作底层模型的「API」，但实际上智能体由三部分组成：模型本身、围绕模型的脚手架（即框架，含可调用的工具集），以及运行时及配套的技能与库。在长程任务场景下，框架负责管理记忆、上下文与反馈，其重要性远超多数用户的预期。

El Hallack 指出，长程任务需要把大量决策串联起来，有时甚至跨越数天才能完成，这正是当前 agentic 研究的重点难题之一。

基准测试结果：ARC-AGI-3 上的明显跃升

ARC-AGI-3 由一系列无说明的 2D 游戏构成，要求模型自主摸索玩法并取胜，对推理与规划能力要求极高。Nvidia 在测试中得到以下结果：

• 使用定制框架（含「监督者」组件）时：Claude Opus 5 取得 100% 满分
• 不使用框架时：Opus 5 得分 30%，已是所有受测模型中的最高分

El Hallack 强调，最关键的创新是在主智能体之外引入一个「监督智能体」，类似 CEO 的角色，会在主智能体偏离方向、走向死胡同或重复已探索路径时及时纠正。

行业呼应：多家厂商得出类似结论

Nvidia 的发现并非孤例。近期多家机构的研究也指向类似结论：

• OpenAI：其模型在 ARC-AGI-3 上得分不到 10%，上月自研发现仅调整框架两项设置，分数即可翻三倍，但仍远未达到 100%
• 微软：今年 4 月对 19 个大模型进行长程文档编辑测试，所有模型（包括前沿模型）均在文档中产生大量错误
• Databricks：今年 7 月发布的研究显示，框架选择对 AI 成本的影响可达 2 倍；CEO Ali Ghodsi 表示「同一模型搭配不同框架，成本差异巨大」

这些结果共同指向一个趋势：在 agentic 系统中，模型选择只是冰山一角，框架设计才是拉开差距的关键变量。

开源路线：Nemo 与 AVO 框架

Nvidia 并未把此次成果包装为新产品。相关组件以 Nemo 品牌陆续发布，其中部分商用、部分开源，涵盖研究人员自研的 Agentic Variation Operators（AVO）框架。El Hallack 表示，开放的智能体技术栈——覆盖框架、基础设施、运行时——才能让用户在安全可控的前提下推动生态向前发展。