刚刚，英伟达AI刷爆ARC-AGI-3！华人班底一口气屠了183关

就在刚刚，英伟达的通用编码智能体AVO，在ARC-AGI-3上拿了满分！

它在25个游戏环境里通关了全部183个关卡，总共只花了6624步，RHAE拿到100.00。

要知道ARC-AGI-3是出了名的不讲武德。它把智能体直接扔进一个陌生游戏，规则和目标都不给，全靠自己按、自己看、自己猜。

有的环境能上下左右挪，在走廊里绕来绕去，撞上一个蓝黑色的方块，整幅画面就转90度；有的连走都不让走，只能点，靠点击把格子的颜色循环成目标图案。

每个环境至少六关，越往后越狠，第一关五步能过的，第六关得走五十步。

而智能体手里只有一块64×64的网格，和几个按键。

前沿模型直接硬闯，根本搞不定。

AVO这次用的模型是Claude Opus 5。但让它单独去考，成绩只有30.16%，而这还是官方认证榜上的第一名。

ARC Prize拆过上一代的对局录像，归纳出了三类典型错误。

• 一是局部看懂了，全局没看懂。

• 二是把陌生机制往熟悉的游戏上套。

• 三是过了关，却没学会。

第三种最要命。Opus曾经只用37步就打通了ka59的第一关，但它对点击机制的理解从头就是错的。进到第二关，它还抱着那套错理论不放，最后卡死在了里面。

英伟达的做法是不碰模型，只在外面加一层壳。

于是，同一个Claude Opus 5，分数直接从30分跳到了满分。

然后X上直接炸了。一边是「ARC-AGI-3已倒下」「该换个新榜爬了」满屏刷，一边是直呼英伟达这波太顶了。

照这个势头，下一次模型级别的跃迁，说不定不是等来一个新模型，而是等来一次harness更新。

100分的跳跃，拆开只有两样东西

那英伟达到底在模型外面装了什么，能把这三个坑一次填上？

和最近爆火的DeepSeek Harness、Codex Harness一样，AVO管的也是模型之外的一圈事。

包括给它什么上下文、给它什么工具、怎么存状态、怎么接反馈、卡住了怎么办，还有上下文满了之后怎么接着干等等。

具体到机制上，真正起作用的是两样东西。

第一个是持久记忆。

长时程任务最要命的地方在于上下文会满。

一满，模型的记忆就清零了，前面试过什么、哪条路走不通、profiler吐出来什么结果，全都没了。

下一轮开始，它又从头把同样的坑再踩一遍。

AVO则会把这些全都存了下来，过往的实现版本、每次评测的结果、编译器和分析器的输出、累积下来的推理过程都在里面。

上下文重置之后，智能体是从当前状态接着干，而不是从零开始重建整个搜索。

第二个是监督器。

主智能体负责埋头干活，看什么、改什么、测什么、提交什么都由它自己定。

监督器不干活，只在旁边盯着整条搜索轨迹。一旦发现进展停滞，或者智能体开始原地打转反复做无用功，它就出手把主智能体拽向别的策略。

还有个细节。

AVO跑ARC-AGI-3全程用的是纯文本模态，每一帧观察喂给模型的是一个精确的64×64文本网格，一张图都没有，一个图像token都没送。

也就是说，在一个满屏都是像素的游戏里，模型从头到尾一眼都没看见画面。

这套机制换来的，就是6624步跑完183关、RHAE拿满的那份成绩单。

英伟达从这里得出的结论是，长时程能力从来不是模型单独具备的，而是整个系统凑出来的。

记忆决定哪些东西能留到下一轮，工具决定智能体能做出哪些动作，反馈让它知道自己有没有走错。

而假设被推翻的时候，能不能爬回来接着干，决定了这份活能不能一直做下去。

它先革的是英伟达自己的命

有意思的地方在于，AVO压根不是为了打游戏做的。它的主战场是GPU算子优化。

今年3月25日，英伟达往arXiv上传了一篇论文，叫《AVO：面向自主进化搜索的智能体式变异算子》。

论文地址：https://arxiv.org/abs/2603.24517

题目里有两个词是关键，一个是进化搜索，一个是变异算子。

进化搜索本身不复杂。手里攥着一批候选代码，改一改，跑一跑，留下最快的那版，再接着往下改，一代一代推过去。

负责「改一改」这一步的，在进化算法里就叫变异算子。过去它是写死的，改法由人提前定好；后来换成LLM来改，也只是调一次吐一段代码。

而AVO的做法是，把整个变异算子换成一个自主智能体。

如此一来，它不仅能翻CUDA编程指南和PTX架构文档，能跑测试，能读profiler，还能自己诊断正确性故障，然后决定下一版改哪儿。

团队把它放到B200上，任务是优化注意力内核，这是Transformer里被榨得最狠的一个算子。然后人就撒手了。

AVO连续自主跑了7天，探索了超过500个优化方向，最终提交40个有效内核版本。

跑出来的多头注意力内核，比英伟达自家闭源的cuDNN最多快3.5%，比最前沿的开源实现FlashAttention-4最多快10.5%。

随后它又把这套优化搬到了如今大模型主流的GQA上。这回只自主跑了大约30分钟，新内核就比cuDNN快7.0%，比FlashAttention-4快9.3%。

手写CUDA内核一直是这个生态里门槛最高的活，而AVO第一个超掉的就是它。

而ARC-AGI-3那25个游戏，用的就是这同一套系统。

调内核和打游戏，听上去是完全不搭界的两件事。但在英伟达看来，这两件事底下跑的是同一个循环。

智能体先从残缺的证据里立起一个假设，动手去试，观察结果，把有用的状态存下来，再修正自己对问题的理解。假设错了就退回来重想，然后一轮一轮往下滚。

用英伟达自己的话说，能迁移的不是领域知识，而是维持长时程自主推进的那套机制。

做出它的，是一支华人班底

把AVO那篇论文的作者名单拉出来，会看到一串很眼熟的名字。

23个署名，几乎把过去十年开源深度学习基建的关键人物凑齐了。

共同一作之一的许冰，是英伟达的Distinguished Engineer，也是MXNet的作者。更早的时候，他还是2014年那篇GAN原始论文的第四作者，和末位作者Yoshua Bengio同署在蒙特利尔大学名下。

TVM和XGBoost的作者陈天奇也在名单上。TVM这条线还牵出了Luis Ceze，两人一起创办的OctoAI在2024年9月被英伟达买下，Ceze随后加入英伟达继续做机器学习编译器。

再往下是FlashInfer的作者叶子豪，以及CUDA编译器元老Vinod Grover。

坐镇的是Humphrey Shi，英伟达高性能AI副总裁，同时还是佐治亚理工的教授。另一位共同一作Zhifan Ye，正是佐治亚理工在读的博士生。

这次的博客署了五个名字，四位是华人，除Humphrey Shi外还有Terry Chen、Zhifan Ye和Yeyin Zhu，剩下那位Jean-Francois Puget是英伟达的两冠Kaggle特级大师。

最有意思的一段来自许冰此前在X上的自述。

一年半前他和Terry Chen刚在英伟达做智能体编程的时候，两个人都不懂GPU编程。

正因为不懂，他们从第一天起就奔着完全自动、不用人插手的系统去做，还给这套路子起了个名字，叫「盲编程」。

一年半之后，这套不靠人指挥的系统，把人类专家优化了几个月的内核给超了。

账最后都结到了老黄的显卡上

一家卖显卡的公司，为什么要花一年半，做一套不用人插手的智能体？

因为壳这一层，套谁的模型都行。

AVO就跨模型跑过。同样的关卡，配GPT-5.6 Sol耗时更短，换成Opus 5则更省步数。

英伟达不靠卖模型赚钱，但这一层它能占住。这跟它这两年的整体路数也是一致的。

模型这一侧走开源。今年8月推进的Nemotron 4瞄准万亿参数规模，预计秋季完成训练，模型免费送出去，钱在后面的GPU和软件栈上收。

算力这一侧，长时程智能体正好是它最想要的负载。老黄今年在GTC上给出的判断是，推理拐点已经到来。过去两年算力需求涨了约一万倍，而使用量只涨了约一百倍，中间那个差值全被推理吃掉。

所以用谁家的模型不重要。只要智能体的活越干越长、越干越重，账最后都会结到他们的显卡上。

至于100分这三个字，眼下确实在快速贬值。

三月份还没人能考到1分，Tycho在7月底率先拿下满分，VISTA在8月5日又拿了一次，AVO这张已经是六周里的第三张，而且三家清一色都靠Claude Opus 5驱动。

但AVO做成的事并不会因此缩水。

一个为了在B200上榨出FlashAttention最后几个百分点而生的架构，几乎原封不动地搬到了一个像素游戏里，然后跑通了。

中间换掉的只有任务接口和评测方式，那个核心循环一行没改。

正如英伟达在博客最后写的那样，模型很重要，但模型不是智能体的全部。

参考资料：

https://developer.nvidia.com/blog/nvidia-avo-reaches-100-on-arc-agi-3-demonstrating-a-frontier-level-general-purpose-architecture-for-long-horizon-autonomous-agents/

编辑：摩西