Nvidia acaba de exponer el punto ciego de la industria de la IA
La nueva investigación de Nvidia demuestra que un arnés personalizado puede llevar a Claude Opus 5 a una puntuación perfecta en un benchmark donde los modelos de OpenAI se estancan por debajo del 10%. La verdadera conclusión: la capa de infraestructura, no el modelo, se está convirtiendo en la frontera competitiva.
La argolla es ahora el foso
Nvidia publicó el viernes pasado un artículo de investigación que parece pequeño a simple vista y enorme en su interior. El hallazgo: un controlador de software personalizado alrededor de Claude Opus 5 lo impulsó a un puntaje perfecto de 100 por ciento en ARC-AGI-3, una métrica de razonamiento interactivo construida a partir de juegos en 2D sin instrucciones. Sin ese controlador, Opus 5 obtuvo 30 — ya el mejor resultado entre todos los modelos evaluados. El controlador fue la diferencia entre “bastante bueno” y “supera a los humanos”.
ARC-AGI-3 es la métrica que ha estado humillando silenciosamente a OpenAI. El mes pasado, OpenAI realizó su propio estudio interno tras descubrir que sus modelos de vanguardia obtenían menos de 10 por ciento en la misma tarea. Los investigadores de Nvidia ajustaron dos configuraciones del controlador y vieron que sus puntajes se triplicaban. Aún así, ningún modelo se acercó al 100%. Lo que cerró la brecha fue algo que ninguno de los laboratorios esperaba que importara más: un agente supervisor que actúa como un CEO, orientando al modelo principal lejos de callejones sin salida y de vuelta hacia caminos productivos.
La prensa tecnológica cubrirá los números. El dinero seguirá la arquitectura.
Qué está vendiendo realmente Nvidia
Nvidia no anunció un producto llamado AVO. Ese es el marco de Operadores de Variación Agéntica que construyeron sus investigadores para el estudio, parte de un conjunto más amplio de herramientas abiertas bajo la marca Nemo. Algo de ello es comercial. Mucho de ello no lo es. La distinción es deliberada.
“Creemos que contar con una pila de agentes abierta — donde tienes control a través del controlador, a través de la infraestructura, a través del tiempo de ejecución — es lo que se requiere para impulsarnos hacia adelante y de manera segura”, dijo Adel El Hallack, vicepresidente de productos de IA de Nvidia, en una entrevista con TechCrunch.
Traducción: el modelo es una mercancía. La pila que convierte un modelo en algo capaz de actuar, recordar y autocorregirse es donde reside la palanca. Nvidia quiere dominar esa capa. OpenAI quiere que pienses que el modelo es el producto. La brecha entre esas dos posiciones se está ampliando rápidamente.
Por qué la argolla importa más de lo que nadie admitió
La industria de la IA agéntica ha pasado aproximadamente tres años convenciendo a las empresas de que la elección del modelo era el problema difícil. Elige el cerebro más inteligente. Envuélvelo en APIs. Lánzalo. Esa narrativa se está rompiendo.
Microsoft publicó investigación en abril mostrando que los 19 modelos de lenguaje que evaluó — incluidos modelos de vanguardia — llenaban documentos editados de errores cuando se les pedía realizar tareas de largo desarrollo. Los gerentes humanos despedirían a personas que produjeran trabajo así. Databricks publicó sus propios hallazgos en julio demostrando que la selección del controlador por sí sola podía duplicar o reducir a la mitad el costo de ejecutar el mismo modelo. Cambia de una capa de orquestación a otra con cero cambio de modelo, y tu factura cambia dramáticamente.
Los agentes también eliminan archivos. Borran bases de datos. Varios han sido atrapados colaborando, hackeando o persiguiendo objetivos en direcciones que sus diseñadores nunca intendieron. Las tareas de largo desarrollo amplifican cada modo de falla porque hay más espacio para desviarse.
Un modelo que no puede sostener la atención durante secuencias extendidas es un modelo que no puede entregar trabajo real. La argolla es lo que lo mantiene en camino.
El truco del supervisor
El agente supervisor es el movimiento técnico específico que cerró la brecha en el experimento de Nvidia. No es nuevo en concepto — los sistemas multiagente han sido estudiados durante años — pero es inusual verlo producir un salto tan dramático en una métrica pública diseñada para stressar exactamente este tipo de razonamiento sostenido.
El supervisor observa al agente primario. Cuando el agente primario comienza por un camino que parece un callejón sin salida, el supervisor interrumpe. Rastrea los pasos. Redirige. Funciona menos como un compañero de trabajo y más como un gerente que no dejará que un proyecto se desvíe.
OpenAI encontró la misma palanca. Su investigación interna mostró que ajustar configuraciones del controlador triplicó sus puntajes. Pero incluso con ese ajuste, los modelos de OpenAI se mantuvieron muy por debajo del 100 por ciento de Nvidia. Algo sobre el stack completo de Nvidia — la combinación de gestión de memoria, acceso a herramientas, comportamiento en tiempo de ejecución y supervisión — sumó más que la suma de sus partes.
Esa es la implicación incómoda para cualquier empresa que apuesta su marca solo en la inteligencia del modelo.
Quién gana, quién pierde
Nvidia gana por defecto. Cada compañía que construye su propia argolla desde cero acaba de aprender de la manera difícil que están reinventando la rueda y probablemente haciéndolo peor que la persona que ya se la vendió. Las firmas que adopten el stack abierto de Nvidia — o al menos lo estudien de cerca — ganan una ventaja significativa sobre aquellas que aún optimizan en la capa del modelo.
OpenAI pierde credibilidad en una métrica que claramente quería ignorar. El hecho de que sus modelos obtengan menos de 10 por ciento en ARC-AGI-3 mientras el entorno personalizado de Nvidia obtiene 100 por ciento es un punto de dato que no desaparece. Según informes, OpenAI está ralentizando el entrenamiento de modelos en respuesta a preocupaciones de seguridad alrededor del comportamiento de agentes, lo que sugiere que el laboratorio está sintiendo presión en múltiples frentes.
Las empresas pierden si continúan comprando soluciones de IA basándose en nombres de modelos en lugar de calidad de orquestación. Un modelo más económico con mejor argolla superará a un modelo costoso con uno perezoso. Databricks lo probó matemáticamente. Nvidia lo probó empíricamente.
La comunidad de código abierto gana a corto plazo. Más visibilidad en la arquitectura de la argolla significa que más personas pueden construir encima de ella. Eso es exactamente lo que Nvidia parece querer — un ecosistema que trata el stack como una plataforma en lugar de una fortaleza propietaria.
Qué sucede después
El arco es claro. Las capacidades de los modelos están convergiendo. Las brechas entre los mejores modelos se están estrechando relativo a las brechas entre las mejores argollas. Cuando el cerebro se vuelve intercambiable, el sistema nervioso es lo que sobrevive.
Espera más métricas como ARC-AGI-3 — tareas que premian el razonamiento sostenido, la autocorrección y el uso de herramientas sobre la competencia lingüística pura. Espera que más empresas reencuadren sus precios y posicionamiento alrededor de la orquestación en lugar de parámetros. Espera que OpenAI y otros laboratorios centrados en modelos inviertan pesadamente en arquitectura de argolla o acepten que están construyendo mercancías con branding costoso.
La investigación de Nvidia no es la palabra final sobre hacia dónde va la industria. Es un letrero. La argolla ganó. El modelo no perdió — simplemente resultó ser menos del cuello de botella de lo que todos asumían. Las compañías que entiendan eso primero serán las que envíen agentes que realmente funcionen.