NVIDIA 智慧體 AVO 拿下 ARC-AGI-3 滿分：183 關全通

很多人以為要把 AI 變成真正的自主代理，關鍵全在底層那個基座大模型有多強。但 NVIDIA 最近做的一個實驗，給出了完全不同的解法。

他們把同一個 Claude Opus 5 套進自家的通用代理架構 AVO 裡，直接在極其苛刻的互動式推理基準 ARC-AGI-3 公開資料集上拿下了 100 分的滿分，通關了全部 25 個環境裡的 183 個關卡。而如果只看 ARC Prize 官方此前給出的測試，Claude Opus 5 單模態在高推理設定下的基線成績其實只有 30% 左右。

連續寫七天程式碼的架構，跑去盲打通關遊戲

AVO 的全稱叫 Agentic Variation Operators，最初並不是用來打遊戲的。NVIDIA 最早開發它，是為了解決 GPU 底層運算元最佳化的難題。

在那個需要硬核調優的場景裡，AVO 在 NVIDIA DGX B200 上連續自主跑了整整七天。它自主探索了超過 500 個最佳化方向，提交了 40 個可用版本，最終搞出的注意力運算元比 FlashAttention-4 還快 10.5%，比 cuDNN 快 3.5%。隨後它只花了半小時，就把這套運算元適配到了 GQA 分組查詢注意力上。

後來 NVIDIA 團隊做了一件很大膽的事：底層的 AVO 架構一行沒動，直接把它接到了 ARC-AGI-3 的測試介面上。

這個基準出了名的反常識。AI 被扔進一個完全陌生的類遊戲環境，沒有任何操作說明，沒有遊戲規則，甚至連目標是什麼都不告訴你。AI 只能靠不斷試錯，自己摸索出動作反饋，再一層層通關。

NVIDIA 發現，底層寫 GPU 彙編和上層盲打通關遊戲，本質上的計算模式完全一樣：都是從不完整的資訊出發建立假設，用工具去執行，看反饋，記下經驗，推翻錯誤判斷，然後持續推進長任務。

純文本網格、持久記憶和一個「監工」

更有意思的是輸入方式。之前的競爭系統 VISTA 傾向於給模型喂 512x512 的渲染影像，而 AVO 在這次測試裡採用的是純文本輸入，把每個狀態都轉成一個 64x64 的字元網格，沒給模型傳任何一個影像 token。

整個通關過程，AVO 一共花了 6,624 次環境互動。相比之下，同樣使用 Claude Opus 5 的 VISTA 系統花了 7,542 次互動，AVO 的動作開銷省了大約 12%。

能省下這 12% 的試錯成本，關鍵在兩套外圍機制。

一個是持久化記憶。模型在前面關卡摸索出的邏輯、編譯報錯或環境物理規律，會被結構化地保留下來，下次遇到不用重新試一遍。另一個是獨立的監督模組，這個「監工」專門在旁邊盯著主代理，一旦發現它在原地打轉、陷入無效死迴圈，就會強行插手，把它的探索方向拽回到正軌。

除了 Claude Opus 5，NVIDIA 還在一部分高難度關卡上換上了 GPT-5.6 Sol 做了對比。結果挺有意思：Sol 在實際物理耗時上更快，而 Opus 5 則在動作步數的使用上更剋制。

為什麼重要

這個成果最大的價值，在於狠狠擊碎了「只靠刷基座模型上下文和引數就能解決長程任務」的幻想。

對於做 AI 產品的開發者來說，這指明瞭一條非常實在的路徑：別整天等著下一代模型降臨，把精力花在腳手架、記憶管理和死迴圈糾錯上，哪怕用現有的前沿模型，也能把長任務的成功率從不可用的 30% 硬生生拉到及格線以上。

從行業競爭來看，NVIDIA 表面上在發論文，實際上是在為自家的硬體生態構築護城河。他們證明了自主代理不僅能做日常業務，還能直接用來榨乾自家的 DGX B200 算力。如果未來的運算元最佳化都可以交給 AI 連軸轉七天自動完成，硬體生態壁壘只會越來越深。

我們認為，AVO 這套做法最聰明的地方，就是徹底放下了為特定場景定製世界模型的執念。不管是寫 CUDA 還是打磚塊，核心都是「試錯—記錄—止損」的通用閉環。不過這套系統目前看起來依然非常依賴昂貴的前沿模型呼叫和極高頻的互動測試，離普通開發者能在本地低成本跑起來，顯然還有一段距離。