英伟达 AVO 智能体满分通关 ARC-AGI-3，通用 Agent 架构再突破

8 月 21 日，英伟达技术团队发布博客宣布，其自主开发的通用编码智能体系统 AVO（Agentic Variation Operators）在 ARC-AGI-3 交互式推理基准测试的公共集上取得 100.00 分（RHAE），完成全部 25 个公共环境的 183 个关卡，且全程没有人类指令、明确规则或预设目标，仅靠智能体自行推断环境机制并寻找最优解。英伟达官方技术博客在 8 月 21 日发布了完整解读，官方 X 账号（@NVIDIAAI）同步官宣并引发社区关注。

ARC-AGI 系列基准（Abstraction and Reasoning Corpus）衡量 AI 的样本外泛化与抽象推理能力，测试题都是模型没见过的全新逻辑谜题，无法靠背数据或记忆通过，长期被视为大语言模型的弱项。ARC-AGI-3 是 2026 年最新版本，难度更高，主流模型此前只能拿到三成左右的分数。英伟达称，此前 Claude Opus 5 单独跑这个基准的基线只有 30%，而把它装进 AVO 完整系统后直接拉到 100%，差距全部来自系统层设计。

AVO 是一个通用的编码智能体系统，核心不是模型本身，而是围绕模型搭建的"外壳"：持续记忆让长期任务不丢上下文，监督与评估机制自己判断每一步做得对不对，工具调用覆盖代码编辑、执行、测试等完整动作，配合反复的检查-规划-实施-评估循环，让智能体能在长任务里不断修正方向。此前 AVO 已在 GPU 内核优化中展示过这种能力：自主探索超 500 个优化方向、提交 40 个内核版本，在 DGX B200 上比 FlashAttention-4 最高快 10.5%。这次把同一套架构迁移到 ARC-AGI-3，说明它不是为单一任务特调，而是可复用的通用架构。

这件事最直接的信号是：同样一个模型，装在不同 Agent 框架里表现可以天差地别。做 AI 应用和 Agent 产品的团队，选模型时不用只盯着榜单分数，更值得花精力优化记忆管理、工具调用、错误恢复这些"工程层"能力。对普通用户而言，如果你在用的编码 Agent 经常在长任务中途跑偏，问题可能不在模型，而在外层系统设计——这也是未来 Agent 产品拉开差距的主战场。

值得继续观察三点：AVO 是否会开源或开放体验、同一架构能否复现到更多真实工程任务（比如企业级代码库和自动化运维）、以及 Anthropic、OpenAI 等厂商是否会跟进类似的系统级方案。英伟达把 ARC-AGI-3 满分挂在"通用架构"而非模型能力上，这场关于 Agent 系统设计的竞赛才刚刚开始。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：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/

如发现事实、价格或链接有误，可通过 联系我们 提交更正。