NVIDIA AVO, ARC-AGI-3’ün açık bölümünde yüzde 100’e ulaştı

NVIDIA’nın Agentic Variation Operators (AVO) adlı ajan sistemi, Claude Opus 5’i kullanarak ARC-AGI-3 benchmarkının herkese açık 25 ortamındaki 183 seviyenin tamamını tamamladı. Sonuç, yapay zekâ yarışında yalnızca temel modelin değil, modelin etrafındaki bellek, araçlar ve denetim mimarisinin de belirleyici hale geldiğini gösteriyor.

NVIDIA, yapay zekâ ajanlarının uzun süreli ve çok aşamalı görevlerde nasıl çalıştığına ilişkin dikkat çekici yeni sonuçlar yayımladı. Şirketin geliştirdiği Agentic Variation Operators (AVO) sistemi, etkileşimli akıl yürütme testi ARC-AGI-3’ün herkese açık bölümünde 100.00 RHAE skoruna ulaştı.

NVIDIA’nın açıkladığı sonuçlara göre AVO, testteki 25 farklı ortamın tamamında bulunan toplam 183 seviyeyi tamamladı. Ancak bu sonucu “yapay zekâ ARC-AGI-3’ü tamamen çözdü” şeklinde yorumlamak doğru değil. Test sonucu ARC-AGI-3’ün herkese açık bölümüyle sınırlı.

Yeni model değil, modelin etrafındaki sistem

AVO’nun dikkat çekici yanı yeni bir temel dil modeli olmaması. Sistem, Anthropic’in Claude Opus 5 modelini bir “ajan altyapısı” içine yerleştiriyor.

Bu altyapı; önceki çalışmaların ve sonuçların saklanmasını sağlayan kalıcı bellek, araç kullanımı, görevlerin yürütülmesi ve ilerleme tıkandığında ana ajanı farklı bir stratejiye yönlendirebilen bir denetleyici bileşen içeriyor.

Kısacası model tek başına yanıt üretmek yerine uzun süren bir problem üzerinde çalışabiliyor, aldığı sonucu kontrol ediyor, başarısız olduğunda yeni yaklaşım deneyebiliyor ve önceki denemelerden elde ettiği bilgiyi sonraki aşamalara aktarabiliyor.

TechCrunch da NVIDIA’nın sonucunun önemli tarafını temel modelden çok bu “harness”, yani modeli çevreleyen çalışma sistemi olarak değerlendiriyor.

ARC-AGI-3 neden önemli?

ARC-AGI-3, klasik soru-cevap benchmarklarından farklı bir yapıya sahip. Ajanlar, kuralları ve hedefleri kendilerine önceden açıklanmayan etkileşimli ortamlara giriyor. Sistem hangi eylemlerin ne işe yaradığını deneyerek anlamak, hedefi keşfetmek ve ilerlemek zorunda.

Bu nedenle test yalnızca bir modelin tek seferlik doğru cevap üretmesini değil; gözlem yapma, hipotez geliştirme, eyleme geçme, geri bildirimden öğrenme ve uzun vadede durumu koruma becerilerini de ölçmeye çalışıyor.

NVIDIA’nın AVO yapılandırmasında modele görsel yerine 64 x 64 boyutunda metinsel bir ızgara verildi. Sistem oyunun kurallarını veya hedefini açıklayan ek talimatlar almadan çalıştı.

Aynı yaklaşım GPU kodlarını da optimize etti

AVO yalnızca benchmark oyunları için geliştirilmiş bir sistem değil. NVIDIA, mimariyi daha önce GPU çekirdeği optimizasyonunda da kullandığını belirtiyor.

Şirketin verilerine göre yedi günlük bir optimizasyon çalışmasında ajan 500’den fazla farklı yaklaşımı araştırdı ve 40 kernel sürümünü kalıcı olarak kaydetti. Belirli test yapılandırmalarında FlashAttention-4’e kıyasla yüzde 10,5’e varan performans artışı raporlandı.

Bu bölüm, ARC-AGI-3 sonucundan daha geniş bir anlam taşıyor: Ajan mimarisinin yalnızca test çözmek yerine gerçek mühendislik işlerinde uzun süre boyunca bağımsız biçimde araştırma ve optimizasyon yapabilmesi hedefleniyor.

AI yarışında model kadar “ajan sistemi” de önemli hale geliyor

Son yıllardaki yapay zekâ rekabeti büyük ölçüde hangi şirketin daha güçlü temel modeli geliştirdiği üzerinden ilerledi. AVO sonucu ise performansın yalnızca model ağırlıklarıyla açıklanamayabileceğini gösteren güçlü örneklerden biri.

Aynı temel model; hafıza yönetimi, araç kullanımı, geri bildirim döngüsü ve denetim mekanizması değiştiğinde çok farklı sonuçlar üretebiliyor.

Bu nedenle bir sonraki AI rekabetinin yalnızca GPT, Claude, Gemini veya diğer modeller arasında değil; bu modelleri uzun süre güvenilir biçimde çalıştırabilen ajan altyapıları arasında da yaşanması beklenebilir.

Yine de yüzde 100’lük sonucu genellemek için henüz erken. NVIDIA’nın açıkladığı skor ARC-AGI-3’ün herkese açık setine ait ve gerçek dünyadaki tüm uzun süreli görevlerde aynı performansın elde edileceğini kanıtlamıyor. Buna rağmen sonuç, yapay zekâ ajanlarının gelişiminde model mimarisi kadar sistem mimarisinin de izlenmesi gereken önemli bir alan olduğunu ortaya koyuyor.