英伟达用自家“AVO”框架封装Claude Opus 5，将ARC-AGI 3基准得分从30%飙升至100%，并让智能体连续运行7天。网友惊叹框架重要性，但也质疑跨模型比较公平性，认为这暴露了基准测试可能更多在考验提示词工程而非模型智能。