Nvidia presentó el viernes una investigación que sitúa al 'harness', la capa de software que rodea al modelo, como la pieza decisiva para que un agente de inteligencia artificial ejecute tareas de largo recorrido. Con un harness propio que gestiona la memoria e incorpora un componente supervisor, los investigadores lograron que Claude Opus 5 alcanzase el 100 % en la prueba ARC-AGI-3; sin esa capa, el mismo modelo se quedó en el 30 %, la mejor marca entre los modelos evaluados.
ARC-AGI-3 consiste en juegos 2D sin instrucciones que el modelo debe aprender a resolver por sí solo. OpenAI, muy molesta por los malos resultados de sus modelos en esta prueba (menos del 10 %), publicó en julio su propio estudio y comprobó que ajustar dos parámetros del harness triplicaba la puntuación, aunque sin acercarse al 100 %.
El vicepresidente de producto de IA en Nvidia, Adel El Hallack, explicó que un agente no es solo un modelo: también lo forman las herramientas, el tiempo de ejecución y las bibliotecas a las que tiene acceso. Nvidia publicó su arquitectura con el nombre AVO bajo la marca Nemo y defiende que los harnesses abiertos dan más control a los desarrolladores. Resultados previos de Databricks ya apuntaban en la misma dirección: el harness elegido puede llegar a duplicar el coste de operar un mismo modelo.