Nvidia-Agent AVO löst ARC-AGI-3 komplett — 100 Prozent
Nvidias Agentensystem AVO hat alle 183 Level des Reasoning-Benchmarks ARC-AGI-3 gelöst — mit rund 12 Prozent weniger Aktionen als der bisherige Bestwert.
Symbolbild · KI-generiert (AI IN LIFE)
Auf einen Blick
- AVO löst alle 183 Level in 25 öffentlichen ARC-AGI-3-Umgebungen (NVIDIA, 21. August 2026)
- 6.624 Umgebungsaktionen — rund 12 Prozent weniger als VISTA mit 7.542 Aktionen
- Basismodell allein erreicht nur etwa 30 Prozent im ARC-Prize-Framework
- Kernel-Marathon: 7 Tage autonom, über 500 Richtungen erkundet, 40 Versionen committet
- Bis zu 10,5 Prozent schneller als FlashAttention-4, 3,5 Prozent besser als cuDNN
Was ist passiert? Nvidias Agentensystem AVO (Agentic Variation Operators) hat als erstes System den interaktiven Reasoning-Benchmark ARC-AGI-3 vollständig gelöst: alle 183 Level in allen 25 öffentlichen Umgebungen, ohne Anleitung, explizite Regeln oder vorgegebene Ziele. Das berichtet der NVIDIA Developer Blog vom 21. August 2026.
Wie effizient war das System? AVO benötigte 6.624 Umgebungsaktionen und erreichte einen RHAE-Wert (Relative Human Action Efficiency) von 100,00. Das sind rund 12 Prozent weniger Aktionen als beim bisherigen Spitzenreiter VISTA, der mit demselben Basismodell 7.542 Aktionen brauchte. Bemerkenswert: Das zugrunde liegende Frontier-Modell allein kommt im ARC-Prize-Framework nur auf etwa 30 Prozent.
Warum ist das wichtig? Die Autoren um Terry Chen und Humphrey Shi bringen es im Blog auf den Punkt: „A frontier language model is only one component of an AI agent“ — ein Frontier-Sprachmodell ist nur eine Komponente eines KI-Agenten. Entscheidend sei der „Harness“: die Architektur drumherum, die Kontext zuführt, Werkzeuge orchestriert und Zustand über lange Zeiträume hält. Persistente Speicherverwaltung und ein Supervisor, der Stagnation erkennt und die Suche umlenkt, machten den Unterschied.
Kann AVO mehr als Benchmarks? Ja. In einem zweiten Testlauf optimierte das System sieben Tage lang ununterbrochen GPU-Kernels, erkundete über 500 Optimierungsrichtungen und committete 40 Kernel-Versionen. Ergebnis: bis zu 10,5 Prozent mehr Leistung als FlashAttention-4 auf DGX-B200-Systemen und 3,5 Prozent Verbesserung gegenüber cuDNN.
Was heißt das für Unternehmen? Der Fall zeigt, dass der Wettbewerbsvorteil zunehmend in der Agent-Architektur liegt, nicht allein im Modell. Wer KI-Agenten produktiv einsetzen will — auch im europäischen Mittelstand — sollte deshalb weniger auf einzelne Modell-Releases starren und mehr in Orchestrierung, Speicher und Kontrollmechanismen investieren.
Häufige Fragen
Was ist ARC-AGI-3?
Ein interaktiver Reasoning-Benchmark mit 183 Leveln in 25 Umgebungen, bei dem Agenten Regeln und Ziele selbst herausfinden müssen — ohne Anleitung.
Was ist das Besondere an AVO?
Nicht das Modell, sondern der Harness: persistenter Speicher, Supervisor-Überwachung und lange autonome Arbeitszyklen heben die Leistung von rund 30 auf 100 Prozent.
Gilt der Rekord uneingeschränkt?
Er bezieht sich auf das öffentliche Level-Set von ARC-AGI-3; Ergebnisse auf verdeckten Test-Sets stehen noch aus.
