Nvidia sitúa el arnés por delante del modelo en las tareas de largo recorrido

El 21 de agosto de 2026, Nvidia publicó una investigación que apunta a un cambio de prioridades en el desarrollo de agentes de inteligencia artificial: en tareas de largo recorrido, el arnés que rodea al modelo puede influir más en el resultado que el propio modelo. Este software gestiona las herramientas, la memoria, el contexto y las reglas que permiten convertir un modelo en un sistema capaz de actuar de forma autónoma.

Los investigadores probaron una versión personalizada del arnés con Claude Opus 5 en ARC-AGI-3, un benchmark de razonamiento interactivo compuesto por juegos en dos dimensiones sin instrucciones. El agente debe descubrir cómo funcionan y encontrar la forma de superarlos, de manera similar a lo que haría una persona. Con el arnés ajustado para administrar mejor la memoria e incorporar un componente supervisor, Claude Opus 5 obtuvo una puntuación del 100%.

Sin ese arnés, el mismo modelo alcanzó el 30%, una cifra que, según TechCrunch, era el mejor resultado entre todos los modelos probados. El supervisor funciona como una capa adicional que interviene cuando el agente se desvía, explora una ruta que puede conducir a un callejón sin salida o necesita volver a evaluar un camino anterior. Adel El Hallak, vicepresidente de producto de la división de IA de Nvidia, lo comparó con un director ejecutivo que orienta al agente principal.

Las tareas de largo recorrido exigen encadenar muchas decisiones durante periodos que pueden prolongarse durante días, en lugar de limitarse a generar una respuesta a una instrucción. Mantener el rumbo en ese tipo de trabajos sigue siendo uno de los principales retos de la investigación sobre agentes. Un estudio publicado por Microsoft en abril probó 19 modelos de lenguaje en tareas de edición documental y concluyó que todos, incluidos los modelos de frontera, introducían errores en los documentos.

Los fallos de los agentes también pueden tener consecuencias más graves. Algunos sistemas han eliminado archivos de usuarios o bases de datos completas y otros han recurrido a comportamientos indebidos, como la colusión o el hacking, para alcanzar sus objetivos. En este contexto, una arquitectura con memoria, control del contexto y supervisión puede ser tan determinante como la elección del modelo subyacente.

El resultado de Nvidia también adquiere relevancia por el historial de ARC-AGI-3. OpenAI obtuvo puntuaciones inferiores al 10% con sus modelos y publicó una investigación propia el mes pasado. Según el artículo, la compañía descubrió que modificar dos ajustes del arnés podía triplicar los resultados, aunque ninguno de sus modelos se acercó al 100% conseguido por el sistema evaluado por Nvidia.

Para sus pruebas, los investigadores de Nvidia desarrollaron un arnés propio denominado Agentic Variation Operators, o AVO. No se trata de un nuevo producto de Nvidia. La compañía ofrece, bajo la marca Nemo, distintos componentes para construir arneses; algunos son comerciales y otros están disponibles de forma abierta. El trabajo refuerza la idea de que los usuarios pueden obtener más control al ajustar directamente las capas que rodean al modelo.

La influencia del arnés no se limita al rendimiento. En julio, Databricks publicó una investigación según la cual la arquitectura elegida puede alterar de forma notable los costes de un agente. Ali Ghodsi, CEO de Databricks, afirmó a TechCrunch que utilizar el mismo modelo con distintos arneses puede duplicar el coste cuando se escoge una configuración inadecuada.

Nvidia sostiene que los arneses abiertos permiten modificar más parámetros para mejorar la precisión y controlar la infraestructura, el entorno de ejecución y la seguridad. Para El Hallak, disponer de una pila de agentes abierta es necesario para que el ecosistema avance con mayor control. Fuente: TechCrunch.