Nvidia demuestra que el harness del agente de IA importa más que el modelo en sí

Mi opinión: La elección del modelo de IA para un agente importa, pero los resultados de Nvidia sugieren que el entorno que lo rodea importa todavía más. Al envolver a Claude Opus 5 en un harness personalizado con gestión de memoria avanzada y un componente supervisor que coordina subtareas, los investigadores pasaron de un 30% a un 100% en ARC-AGI-3, uno de los benchmarks de razonamiento general más exigentes disponibles. Sin el harness, Opus 5 era el modelo más alto de la prueba con ese 30%. Vale aclarar que Nvidia tiene interés comercial en demostrar que la capa de infraestructura importa (es su negocio), así que conviene esperar validación independiente de estos resultados.

Dicho eso, la premisa tiene sentido para quien construye con IA: cómo un agente gestiona el contexto, recupera errores y mantiene el hilo en tareas largas puede determinar el resultado tanto o más que el modelo base. Cambiar de modelo es relativamente fácil; diseñar bien el sistema que lo rodea es el trabajo real.

¿Tienes una estrategia definida para el entorno de tus agentes de IA, o asumes que el modelo se encarga de todo por sí solo?