NvidiaのハーネスによりClaude Opus 5がARC-AGI-3で30%から100%へ躍進

ニュース概要

2026年8月21日、Nvidiaは、AIエージェントのパフォーマンスにおける最大の向上は、もはやモデル自体からではなく、モデルを包むソフトウェア層からもたらされているとする研究を発表しました。同社はこのラッパーを「ハーネス」と呼んでいます。これは、生の言語モデルを、長期間自律的に動作可能なエージェントへと変えるオーケストレーションコード、メモリシステム、ツールアクセス、および監視ロジックのことです。

核心的な主張：パフォーマンスを左右するのはモデルではなくハーネスである

NvidiaのエージェントAI担当製品担当副社長であるAdel El Hallak氏は、業界はエージェントについて誤った考え方をしており、エージェントを「ほぼモデルのAPI」のように扱い、複数の相互作用する部品から構築されるシステムとして捉えていないと述べました。Nvidiaの定義において、エージェントとはモデルとその周囲の足場、つまりハーネスを組み合わせたものです。これには、モデルが呼び出せるツール、メモリの保存・取得方法、行動を制約するルール、そして長く多段階に及ぶタスク中に軌道から外れるのを防ぐチェック機能が含まれます。

この点を具体的に示すため、Nvidiaの研究者たちはAnthropicのClaude Opus 5を使用し、非営利団体ARC Prize FoundationによるベンチマークであるARC-AGI-3でテストを行いました。このベンチマークは、AIエージェントを指示や明示的な目標のない不慣れなゲームのような環境に配置します。エージェントは探索を行い、ルールの作業モデルを形成し、多くのターンにわたる試行と観察のみを通じて目標を達成する必要があり、単発の質問応答ではなく、計画性と記憶力の厳格なテストとなります。

30%から100%へ：AVO実験

デフォルト設定のみで実行した場合、Claude Opus 5はARC-AGI-3の公開レベルの約30%を完了しました。その後、Nvidiaは同じモデルを独自のハーネスフレームワークであるAgentic Variation Operators（AVO）で包み込み、ターン間の永続メモリと、NvidiaがCEOのように機能すると説明する「スーパーバイザー」コンポーネントを追加しました。このスーパーバイザーは、エージェントの進捗を確認し、行き詰まりを検出し、無駄な行動を重ねる前に戦略を再調整します。基礎となるモデルに他の変更を加えずにAVOを導入したことで、システムはベンチマークの25の公開環境すべてにわたる183レベルを完了し、ARC-AGI-3のRelative Human Action Efficiency（RHAE）指標で完璧な100.00スコアに達しました。さらに、このランキングで以前最高性能だったVISTAと呼ばれるハーネスと比較して、環境アクション数を約12%削減してこれを達成しました。

Nvidiaは、2026年3月下旬に汎用コーディングエージェントシステムとして導入して以来、AVOの開発を進めており、当初はCUDA GPUカーネルの最適化のために構築されました。なお、今回のARC-AGI-3の結果は、ARC Prize Foundationの公式リーダーボードで独立して検証されたものではなく、Nvidiaチームによって実行・報告された、ベンチマークの公開タスクインターフェースの独自再実装に基づくものである点に留意が必要です。また、公式ランキングに使用される準プライベートまたは完全プライベートな競技セットではなく、公開されている25の環境のみを対象としています。

業界全体からの裏付け

報道によると、Nvidiaの実証は、過去数ヶ月間に他の組織から発表された一連の同様の知見と時期を同じくしています。2026年4月、Microsoftは19の大規模言語モデルを実世界の文書編集タスクでテストし、適切に設計されたハーネスがない場合、すべてのモデルがエラーだらけの成果物を生成することを発見しました。2026年7月、OpenAIは、モデル自体を変更することなく、モデルを取り巻くハーネス内の2つの設定を調整するだけで、自社モデルのARC-AGI-3スコアをおよそ3倍にできることを報告しました。同月、Databricksは、ハーネスの選択がエージェントタスクの実行総コストに与える影響が、基礎となるモデルの選択の約2倍に上るという研究結果を発表しました。

Nvidia自身の技術ブログでも、社内ではNOOAと呼ばれている関連フレームワークが別途詳しく紹介されており、エンジニアがモデルのパフォーマンスを向上させるために使用できる6つのハーネス設計能力が示されています。それは、フリーテキストとして渡すのではなく検証される型付き入出力、シリアライズされたデータではなく参照によってライブオブジェクトを操作できるようにすること、制御フローを含めて記述されたコード自体をアクションとして扱うこと、オーケストレーションループを隠れたブラックボックスではなく単純で編集可能なコードにすること、会話履歴に埋め込むのではなくエージェントオブジェクト上に永続的で型付けされた状態を保持すること、そしてモデル自身が検査・管理できるAPIとしてコンテキストとイベント履歴を公開することです。Nvidiaは、このアプローチにより、同等のシステムよりもモデル呼び出し回数とトークン数を大幅に削減しつつ、SWE-bench Verifiedソフトウェアエンジニアリングベンチマークで82.2%の精度を達成したと報告しています。

なぜこれが重要なのか

これらの知見は、AI業界が自律エージェントの進歩をどのように捉えるべきかを再定義するものです。あらゆる能力の飛躍を、より新しく、大きく、高価な基礎モデルの機能として扱うのではなく、Nvidiaの研究は、モデルの上に座るエンジニアリング層、すなわち記憶の方法、監視の方法、行動の許可方法こそが、特に多くのステップにわたって展開される長期の問題において、実世界のタスク完了にとってより大きなレバレッジとなり得ることを示唆しています。AIエージェントを構築する開発者や企業にとってこれは、最新のモデルリリースへのアップグレードと同じかそれ以上に、ハーネス設計、メモリアーキテクチャ、監視ロジックへの投資が報われる可能性があることを意味します。