Nvidia: Die Hülle, nicht das Modell, macht KI zum Agenten — Claude Opus 5 erzielte 100 % bei ARC-AGI-3

Die von Nvidia durchgeführte Studie, deren Ergebnisse das Unternehmen an TechCrunch weitergab, verschiebt den Schwerpunkt in der Entwicklung von KI-Agenten: Nach den Schlussfolgerungen der Ingenieure ist es gerade die Software-Hülle und nicht das zugrunde liegende Sprachmodell, die den Erfolg bei der Lösung von Aufgaben mit langem Planungshorizont bestimmt. Die zentrale Demonstration war der Einsatz des Modells Claude Opus 5 im Benchmark ARC-AGI-3 – einer Sammlung von 2D-Spielen ohne Anweisungen, bei denen das System die Regeln eigenständig verstehen und lernen muss, wie ein Mensch zu gewinnen.

Die Hülle entscheidet: Wie Claude Opus 5 100 % bei ARC-AGI-3 erzielte

Dank einer speziellen Software-Hülle für ein effizientes Speicher-Management, ergänzt um eine dem „Supervisor' ähnliche Komponente, gelang es den Forschern, Claude Opus 5 auf 100 % Punkte im interaktiven Test ARC-AGI-3 zu bringen. Ohne diese Hülle erzielte dasselbe Modell lediglich 30 % – und das war, laut Nvidia, das beste Ergebnis unter allen getesteten Modellen. Der Abstand zwischen dem „nackten' Modell und dem Modell in einer Agenten-Infrastruktur war somit um ein Vielfaches größer.

„Ein Agent ist kein Modell-API': Die Position von Nvidia

„Im Großen und Ganzen betrachtet die Welt den Agenten fast wie ein Modell-API', erklärte Adel El Hallak, Vizepräsident für Produkte im KI-Bereich von Nvidia, gegenüber TechCrunch. Seiner Einschätzung nach ist ein Agent heute mehr als das: „Es ist das Modell. Es ist die Struktur um das Modell herum, die wir als Hilfsmittel bezeichnen, also der Satz von Werkzeugen, die Sie verwenden. Es ist die Ausführungsumgebung sowie die damit verbundenen Fähigkeiten und Bibliotheken, auf die wir Ihnen Zugriff gewähren'. Die Wahl des Modells, so betont Nvidia, reicht nicht aus – gerade das Managementsystem, das Speicher, Kontext und Feedback verarbeitet, macht aus einem Modell einen Agenten.

Der Supervisor als „Geschäftsführer' der KI

Ein besonderer Schwerpunkt der Studie liegt auf der Einführung eines Supervisor-Agenten zusätzlich zum Hauptagenten, der die eigentliche Arbeit verrichtet. Laut El Hallak „wirkt er fast wie ein Geschäftsführer, der den Agenten anstößt, wenn dieser vom Kurs abkommt oder beginnt, einen Weg zu erkunden, der in eine Sackgasse führen könnte, oder einen Weg erneut erkundet, den er bereits gegangen ist'. Genau diese zweistufige Struktur ermöglicht es nach Ansicht von Nvidia, den Fokus auf der Langzeit-Aufgabe zu halten, ohne in Schleifen zu geraten oder den Kontext zu verlieren.

Widersprüchliche Daten

Hier lohnt es sich, zwei Sichtweisen gegenüberzustellen. Einerseits zeigt Nvidia, dass gerade die komplexe Agenten-Hülle mit Supervisor Claude Opus 5 auf 100 % bei ARC-AGI-3 brachte, während das Ergebnis ohne sie auf 30 % fiel; die Modelle von OpenAI erzielten im selben Test weniger als 10 %. Andererseits hat OpenAI im vergangenen Monat eine eigene Studie durchgeführt und festgestellt, dass ein einfacher Austausch von zwei Parametern in der Testumgebung die Ergebnisse der Modelle verdreifachte. Dies wirft die Frage auf, inwieweit gerade die Architektur der Hülle und nicht die Feinabstimmung der Umgebung und Parameter der entscheidende Faktor ist: Die Interpretation von Nvidia betont die Rolle der Agenten-Infrastruktur, während die Daten von OpenAI auf eine hohe Empfindlichkeit des Ergebnisses gegenüber den Bedingungen der Testumgebung hinweisen. Beide Seiten sind sich darin einig, dass das „nackte' Modell nur ein Teil des Systems ist, sie unterscheiden sich jedoch in der Bewertung des Beitrags der Hülle gegenüber den Umgebungsparametern.

Was das für langfristige KI-Aufgaben bedeutet

Die Ergebnisse bestätigen: Auch wenn die Wahl des Modells eine Rolle spielt, ist es ein viel kleinerer Teil des Agentensystems, als man gemeinhin annimmt, insbesondere bei Langzeitaufgaben. Die Frage, wie man KI dazu bringen kann, Aufgaben mit langem Planungshorizont auszuführen, ohne abzuschweifen oder an einer Stelle in eine Schleife zu geraten, bleibt eines der Hauptziele der Forschung im Bereich KI-Agenten. Der praktische Schluss für Entwickler: Investitionen in Speicher, Kontext, Werkzeuge und Supervisor-Logik können einen größeren Zuwachs bringen als der Wechsel des Basismodells.