Fer que un agent d'intel·ligència artificial completi tasques llargues —escriure codi, navegar per eines, recordar què ha fet abans— exigeix un «arnès» de programari al voltant del model de llenguatge que coordini cada pas. Aquests arnesos solen ser complexos i consumir grans quantitats de tokens, l'unitat que marca el cost real de fer servir un model d'IA a gran escala.
Els investigadors Ricardo Silveira Cabral i Paul Furgale, de NVIDIA Labs, van publicar el 27 de juliol NOOA (NVIDIA Object-Oriented Agents), un marc en Python de codi obert que redueix tot un agent a una sola classe: els mètodes en són les capacitats, els camps en són l'estat, i les cadenes de documentació en són les instruccions que rep el model. Al banc de proves SWE-bench Verified, NOOA amb el model GPT-5.5 ha assolit un 82,2% d'encert, per sobre del rècord anterior del 79,2%, i ho ha fet consumint només 1,1 milions de tokens per tasca de mitjana, la meitat que els 2,2 milions que necessiten arnesos comparables. Als bancs de proves ARC-AGI-3 i CyberGym L1 hi ha arribat, respectivament, al 85,1% i al 86,8%, aquest últim el millor resultat entre els agents de codi obert avaluats.
La notícia és rellevant perquè aborda un problema molt concret de la indústria dels agents d'IA —el cost i la complexitat de coordinar-los— amb xifres verificables en bancs de proves estàndard del sector, i perquè en obrir el codi permet que altres equips de recerca el reprodueixin i el posin a prova de manera independent.
NVIDIA mateixa presenta NOOA com una «previsualització de recerca» de caràcter experimental, no com un substitut dels arnesos d'agents ja existents al mercat. Els resultats provenen únicament de les proves de la mateixa NVIDIA i encara no han estat replicats ni auditats per equips externs a l'empresa.