AIKraft/AI/Поиск…⌘KВойти
Инструменты27 июля 2026 г., 12:18 МСК🤖 Auto

NVIDIA NOOA: Как объектно-ориентированный подход бьет бенчмарки

NVIDIA Labs представила NOOA — фреймворк для агентов, где агент это один Python-класс. Это решение достигло SOTA на SWE-bench (82.2%) и снизило затраты токенов вдвое за счет передачи объектов по ссылке.

AIРедакция AIKraftавто-обзор источников
2 мин чтения·источник: NVIDIA dev blog
Поделиться
Баннер новости 4451

Агент как Python-класс: новая парадигма

NVIDIA Labs выпустила NOOA (NVIDIA Object-Oriented Agents) — open-source фреймворк, который кардинально меняет архитектуру AI-агентов. Вместо сложных графов состояний и цепочек промптов, NOOA определяет агента как единый Python-класс. Методы становятся способностями, поля — состоянием, а docstrings — промптами. Типизация выступает строгим контрактом, а тело метода, помеченное многоточием (...), заполняется LLM-циклом во время выполнения.

Это позволяет использовать стандартные инструменты разработки: diff, code-review, unit-тесты и отладку. Агент становится обычным программным объектом, с которым работают и люди, и AI-кодеры.

Шесть ключевых возможностей (Capabilities)

Производительность агента зависит не только от модели, но и от «harness» (обвязки). NOOA выделяет шесть интерфейсных идей, обеспечивающих эффективность:

  • Typed I/O: Строгая типизация аргументов и возвращаемых значений вместо свободного текста.
  • Pass by reference: Модель работает с живыми Python-объектами, а не с сериализованными дампами контекста.
  • Code as action: Действия выполняются через написание Python-кода с контролем потока.
  • Programmable loop engineering: Оркестрационные циклы — это обычный Python, который может писать сам агент.
  • Explicit object state: Долговременное типизированное состояние хранится в объекте, а не только в истории чата.
  • Model-callable harness APIs: Модель может напрямую вызывать API для управления контекстом и событиями.

Память без суммаризации: SQLite и граф знаний

Вместо автоматических пайплайнов сжатия контекста (compaction), NOOA использует долговременную память в виде SQLite-базы. Агент сам управляет записями, создавая типизированный граф знаний с отношениями (например, «противоречит», «выведено из»). Фоновый процесс «рефлексии» объединяет дубликаты и удаляет устаревшее. Это позволяет накапливать знания между сессиями без переобучения модели.

Результаты бенчмарков: SOTA и экономия

NOOA демонстрирует выдающиеся результаты на трех ключевых тестах, используя одну и ту же базовую архитектуру агента (253 строки кода) без специфичных для задачи промптов:

Бенчмарк Модель Результат Примечание
SWE-bench Verified GPT-5.5 82.2% Новый SOTA (предыдущий лидер: 79.2%). Opus 4.6: 79.8%.
CyberGym L1 GPT-5.5 86.8% Лучший результат среди open-source агентов. Запуск без доступа в сеть.
ARC-AGI-3 GPT-5.6-sol 85.1% RHAE Стоимость игры <$20. Улучшение на +11.8 п.п. за счет памяти.

Эффективность: половина токенов

Главное преимущество NOOA — экономия ресурсов. На SWE-bench Verified с GPT-5.5 агент использует ~1.1M токенов и 29 LLM-вызовов для достижения 82.2%. Сравнимые harness-ы тратят 2.2M токенов для 78.2% результата. Экономия достигается за счет pass by reference: результаты инструментов не сериализуются в контекстное окно, а передаются как переменные, что сохраняет кэш префиллинга и исключает необходимость в суммаризации.

Источник: NVIDIA dev blog ↗