最难的那套AI智商测试，被英伟达一个Agent刷到满分了。

ARC-AGI-3，圈内公认最刁钻的抽象推理基准，25个环境183关，英伟达的AVO（Agent for Visual Operations）直接100%全清。这不是又训了个更大的模型，而是一个"会自己搭工具、自己排流程"的智能体。

有意思的是TechCrunch那句点评：真正立功的不是模型本身，是套在它外面的harness（运行框架）。这跟最近OpenAI把Codex Harness开源、DeepSeek的Harness周更是一个方向，大家越来越认同，Agent的胜负手正从"底层模型多强"转到"运行时架构、工具编排、上下文管理"这些骨架功夫上。

堆参数那套故事，可能要翻篇了。骨架搭得巧，普通模型也能干翻笨重的大块头。

换个角度想，当"怎么用"比"用什么"更值钱，是不是反而给中小团队留了口饭吃？