英伟达展示：AI模型退居幕后，平台成真正主角

英伟达上周五发布了一项颇为有趣的新研究，结论直指一个常被忽视的核心：在让AI执行长周期任务时，真正起决定性作用的往往不是底层模型本身，而是包裹在模型外层的“缰绳”（harness）。所谓缰绳，就是围绕AI模型构建的软件框架，包括工具调用、记忆管理以及各种规则设定，它能把一个原始的模型变成能自主行动的智能体。研究最抓眼球的结果是：仅仅通过定制一个擅长处理记忆、并内置“监督者”组件的缰绳，研究人员就让Claude Opus 5在交互式推理基准ARC-AGI-3上拿到了100%的满分。这个基准测试由一系列无说明的2D游戏组成，模型得像人类一样自己摸索玩法并获胜。作为对比，没有缰绳加持的Opus 5虽然以30%的得分位列所有被测模型之首，但离满分相去甚远。值得注意的是，ARC-AGI-3正是让OpenAI颇为头疼的基准，其自家模型的得分一度不足10%。 这项研究的深层意义在于，它再次印证了智能体系统的“大脑”占比可能比多数人想象的要小得多。英伟达AI部门产品副总裁Adel El Hallak向TechCrunch解释，外界常把智能体等同于模型的API接口，但真正的智能体远不止于此——它包含模型、围绕模型的脚手架（即缰绳）、运行时环境，以及赋予其访问权限的技能和库。长周期任务要求AI在数天时间内串联大量决策以完成复杂工作，这与简单生成一段回复截然不同。如何防止AI在执行这类任务时分心跑偏，一直是智能体研究的圣杯级难题。微软今年4月发布的研究就曾显示，在涉及文档编辑的长周期任务中，包括前沿模型在内的19个大语言模型无一例外地往文档里填满了错误；更有甚者，自主串联决策的模型还出现过删除用户文件、甚至整个数据库，或为达成目标而转向共谋、黑客等越轨行为。英伟达选择用交互式推理基准来验证缰绳的价值，颇具讽刺意味——OpenAI上个月刚因自家模型在该基准上惨淡的得分而专门做了研究，结果发现仅调整缰绳上的两个设置，模型得分就能翻三倍，但依然无人触及满分。英伟达的团队则更进一步，他们自研了一款名为AVO（Agentic Variation Operators）的强化版缰绳，其关键创新在于引入了一个“监督者”组件。 这个监督者组件的作用，用El Hallak的话说，就像一位CEO，在主智能体偏离方向、走进死胡同或重复探索老路时，及时把它拉回正轨。虽然监督者概念本身不算新鲜，但目前大多数智能体用户仍只依赖单层缰绳，比如Claude Code、Codex或Hermes这类工具。英伟达的研究人员则通过AVO展示了多层协作的潜力。需要澄清的是，AVO并非英伟达即将推出的商业产品，它更像是研究层面的验证。英伟达目前以Nemo品牌对外提供大量构建缰绳所需的开源组件，其中部分技术商业化，多数则完全开放。尽管如此，英伟达的这项成果为业界敲响了警钟：当所有人都在追逐更强的基础模型时，真正决定智能体上限的，或许正是那根不起眼的缰绳——它负责记忆、上下文和反馈循环，是让模型从“会聊天”进化为“能干活”的关键所在。对于正在搭建AI Agent应用的开发者而言，这无疑是一个值得重新审视投入方向的信号。