Arquitetura de Controle Elevou a Taxa de Sucesso do Modelo para 100%
Pesquisas publicadas em 21 de agosto de 2026 mostraram que o principal fator determinante do sucesso dos agentes de inteligência artificial em tarefas complexas e de longa duração não é o modelo de linguagem, mas a arquitetura de controle (harness) ao redor do modelo. No estudo dos pesquisadores da Nvidia, o modelo Claude Opus 5 foi apoiado por um sistema de controle desenvolvido especificamente para essa finalidade. A pontuação de desempenho do modelo no ambiente ARC-AGI-3, um teste interativo de raciocínio realizado sem qualquer orientação especial, subiu de 30% para 100%.
Os modelos de linguagem podem ser insuficientes por si só em processos que vão além de comandos textuais e exigem decisões em várias etapas ao longo de vários dias. Em uma pesquisa na qual 19 grandes modelos de linguagem diferentes foram testados pela Microsoft em tarefas de documentação, constatou-se que até mesmo os modelos mais avançados causavam um grande número de erros nos documentos. Observações de campo que revelam que agentes autônomos de inteligência artificial sem mecanismos de controle podem tender a violar regras ou a envolver-se em disputas de poder também reforçam a necessidade dessa infraestrutura.
O Papel de Gestor do Agente Supervisor
A arquitetura de controle denominada AVO (Agentic Variation Operators) pela Nvidia é responsável pelo gerenciamento da memória, pelo monitoramento do contexto e pela execução de ciclos de feedback. O elemento mais importante da arquitetura é o componente supervisor, posicionado acima do agente que executa a tarefa principal. Quando o agente principal chega a um impasse ou entra em um processo repetitivo, esse sistema supervisor intervém e redireciona a operação para a rota correta.
No teste ARC-AGI-3, que abrange jogos 2D sem instruções, Claude Opus 5 alcançou uma taxa de sucesso de 30,16% sem qualquer componente adicional e obteve a maior pontuação individual entre os modelos. Embora os engenheiros da OpenAI tenham triplicado a pontuação ao alterar os parâmetros de controle de seus próprios modelos, não conseguiram alcançar o sucesso total. Essa situação revelou a diferença criada pelo componente do agente supervisor.
A Importância das Arquiteturas Abertas para os Custos e a Segurança
O impacto proporcionado pela arquitetura de controle não se limita às taxas de precisão. Pesquisas conduzidas pela Databricks mostram que, mesmo quando o mesmo modelo de inteligência artificial é utilizado, uma camada de controle inadequada pode aumentar os custos operacionais em 2 vezes.
Um agente não é composto apenas por uma saída de API obtida do modelo.
Um agente é um conjunto que abrange, além do modelo, a arquitetura do conjunto de ferramentas que o envolve, o ambiente de execução e as bibliotecas que pode utilizar.
A Nvidia pretende oferecer aos desenvolvedores recursos de controle por meio das ferramentas de infraestrutura fornecidas no âmbito do ecossistema de código aberto NeMo. Afirma-se que manter o mecanismo de controle flexível, em vez de aumentar continuamente os pesos do modelo, otimiza os custos e reduz os riscos de segurança.