NVIDIA mejora a Claude sin tocar el modelo

Claude Opus 5 ya era el mejor modelo probado en ARC-AGI-3 y resolvía alrededor del 30% del examen. NVIDIA no cambió el cerebro. Le añadió memoria persistente, herramientas, un bucle para seguir probando y una especie de encargado que aparecía cuando el agente se quedaba dando vueltas. El resultado fue un 100% en el conjunto público: 183 niveles resueltos de 183.

ARC-AGI-3 no es un cuestionario. Son pequeños mundos visuales sin instrucciones. El sistema tiene que tocar botones, observar qué cambia, deducir las reglas y descubrir por sí mismo qué significa ganar. Es justo el tipo de tarea larga en la que un chat brillante puede perder el hilo.

Qué añadió NVIDIA

AVO, las siglas de Agentic Variation Operators, guarda lo aprendido aunque una sesión se alargue más de lo que cabe en la memoria inmediata del modelo. También conserva los intentos fallidos. Esa parte parece poco glamurosa, pero evita que el agente vuelva a cometer el mismo error cada veinte minutos.

La pieza distinta es el supervisor. No resuelve el juego directamente. Observa al agente principal y, si ve que repite una estrategia sin avanzar, le pide que formule otra hipótesis. Es el equivalente a tener a alguien detrás diciendo: deja de pulsar el mismo botón y mira qué no has probado.

NVIDIA terminó los 183 niveles con 6.624 acciones. Otro sistema llamado VISTA también había alcanzado el 100%, pero necesitó 7.542. Los autores calculan un 12% menos de movimientos, aunque advierten de que los dos montajes no son idénticos.

Por qué cambia la conversación

Durante años hemos comparado modelos como si fueran coches salidos de fábrica: este razona mejor, aquel programa peor. Con los agentes que trabajan durante muchos pasos, el modelo es solo una pieza. La memoria, las reglas, las herramientas y la forma de recuperarse de un error pueden cambiar más el resultado que pasar al modelo siguiente.

Eso tiene una consecuencia práctica para las empresas. Antes de pagar por el modelo más caro, quizá convenga arreglar el sistema que lo rodea. Un modelo algo peor que recuerda lo que estaba haciendo puede rendir más que uno excelente obligado a empezar de cero cada vez.

La lectura sin humo

No, NVIDIA no ha convertido a Claude en una inteligencia general ni ha demostrado una mejora exacta del 30% al 100% en igualdad de condiciones. El 30,2% procede de otra evaluación, con ajustes distintos, y el 100% corresponde al conjunto público del benchmark. Además, otros equipos ya habían completado esos niveles.

Lo valioso no es el récord, sino el mecanismo. Claude no necesitó nuevos pesos ni meses de entrenamiento: necesitó un cuaderno, herramientas y un jefe que le señalara cuándo se estaba atascando. Es una explicación bastante humana para una mejora enorme, y también una advertencia para los rankings: saber qué modelo hay debajo ya no te dice cómo funciona el sistema entero.

---

Fuentes: NVIDIA · TechCrunch · The New Stack · 21 agosto 2026