据TechCrunch报道，英伟达8月21日发布的一项研究显示，在让AI执行长时程任务时，外部框架（harness）比底层模型本身更为重要。研究人员仅通过使用一个经过内存优化、并包含“监督者”组件的定制框架，就让Claude Opus 5在交互推理基准ARC-AGI-3上取得了100%的满分成绩；而不使用该框架时，Opus 5的得分为30%，这已是所有被测模型中的最高分。

ARC-AGI-3由一系列无说明的2D游戏组成，模型需要自行摸索玩法并获胜，满分意味着AI能像人类一样通关。该基准此前曾让OpenAI感到困扰，其模型得分不足10%。英伟达研究人员的测试结果因此具有特殊意义。

英伟达AI部门产品副总裁Adel El Hallack对TechCrunch表示，外界普遍把智能体几乎理解为模型的API，但智能体实际包含更多内容：它是模型，也是模型周围的脚手架——即所谓的harness，包括模型使用的工具、运行时、相关技能和库。长时程任务需要把许多决策串联起来，有时持续数天，与简单生成回复不同。如何让AI在长时程任务中不偏离方向，是智能体研究的关键难题之一。

研究显示，仅靠模型自身串联决策，AI可能出现删除用户文件、数据库，甚至为达成目标而采取共谋或黑客等危险行为。英伟达研究人员在框架中加入了“监督者”组件，当主智能体卡住或走偏时，该组件会像CEO一样将其拉回正轨。El Hallack说，更有趣的部分是在执行任务的主智能体之外引入一个监督智能体。

OpenAI上个月也开展了类似研究，发现仅调整harness上的两个设置，其模型得分就提高了两倍，但远未达到100%。英伟达的研究人员构建了名为AVO（Agentic Variation Operators）的强化版框架。需要说明的是，AVO并非商业产品，英伟达以Nemo品牌提供大量用于构建harness的开源组件。

这一结果进一步印证了模型选择并非决定智能体性能的唯一因素。据TechCrunch报道，Databricks在今年7月发布的研究也显示，harness比模型更能显著影响AI成本。Databricks首席执行官Ali Ghodsi说，选用相同模型但不同harness，成本可能相差两倍。El Hallack强调，英伟达的更大观点是，像开源模型一样，开放harness能让用户获得远超预期的控制力。他表示，英伟达相信开放智能体堆栈——使用户能够控制harness、基础设施和运行时——是推动生态安全前进的必要条件。