Ce este hamul și de ce contează atât de mult?
Când vorbim despre agenți AI, mulți își imaginează că un model puternic este tot ce trebuie. Dar realitatea este mult mai nuanțată. Un agent nu este doar modelul – este întregul ecosistem care îi permite să funcționeze: memoria, contextul, instrumentele, runtime-ul și bibliotecile de care are acces. Acest ansamblu este numit „ham” (harness) în jargonul tehnic. Adel El Hallack, vicepreședinte de produs în divizia AI a Nvidia, explică: „Lumea, în general, interpretează un agent aproape ca pe un API al modelului. Dar un agent este mai mult decât atât. Este modelul, dar și schela din jurul lui, pe care o numim ham, adică setul de instrumente pe care le utilizează. Este runtime-ul și abilitățile și bibliotecile la care îi dăm acces.”
Această definiție subliniază că modelul este doar creierul, dar hamul este sistemul nervos, mușchii și scheletul care îi permit să acționeze. Pentru sarcini pe termen lung – cele care necesită o succesiune de decizii, uneori pe parcursul mai multor zile, pentru a produce un rezultat final – hamul devine crucial. Fără un ham bine proiectat, chiar și cel mai inteligent model poate să se piardă, să devină confuz sau să facă greșeli catastrofale.
Rezultatele Nvidia: de la 30% la 100%
Cercetătorii Nvidia au testat mai multe modele pe benchmark-ul ARC-AGI-3, un set de jocuri 2D fără instrucțiuni, unde modelul trebuie să-și dea seama singur cum să joace și să câștige. Fără un ham special, modelul Claude Opus 5 a obținut 30%, cel mai bun scor dintre toate modelele testate. Dar când au folosit un ham personalizat, care gestionează memoria eficient și include un component „supervizor”, scorul a sărit la 100%. Acest lucru înseamnă că modelul a reușit să bată jocurile la fel de bine ca un om.
Această performanță este cu atât mai semnificativă cu cât ARC-AGI-3 este un benchmark care a dat bătăi de cap chiar și OpenAI. Luna trecută, OpenAI a publicat o cercetare în care a încercat să îmbunătățească scorurile modelelor sale, care erau sub 10%. Prin simpla ajustare a două setări ale hamului, scorurile s-au triplat, dar niciun model nu a atins 100%. Nvidia a reușit acest lucru, iar cheia a fost introducerea unui agent supervizor.
Supervizorul: un CEO pentru agentul AI
„Partea mai interesantă a fost introducerea unui agent supervizor, pe lângă agentul principal care face munca”, explică El Hallack. „Acesta acționează aproape ca un CEO, care îl ghidează pe agent atunci când se abate de la direcție sau începe să exploreze o cale care ar putea duce la un punct mort, sau re-explorează o cale pe care a mai parcurs-o.”
Acest concept de supervizor nu este complet nou, dar majoritatea utilizatorilor de agenți AI se bazează încă pe un singur strat de ham, cum ar fi Claude Code, Codex sau Hermes. Nvidia a creat un ham personalizat, numit Agentic Variation Operators (AVO), care include acest supervizor. Deși nu este un produs comercial nou, Nvidia oferă multe componente deschise pentru construirea de hamuri sub brandul Nemo, unele comerciale, altele disponibile gratuit.
Implicații pentru industrie
Rezultatele Nvidia se adaugă la o serie de dovezi care arată că alegerea modelului este departe de a fi singurul factor care determină performanța unui agent. În iulie, Databricks a publicat o cercetare care arată că hamul, mai mult decât modelul, influențează dramatic costurile AI. „Poți alege același model, dar cu hamuri diferite, și obții costuri semnificativ mai mari dacă folosești hamul greșit”, a spus Ali Ghodsi, CEO Databricks. „Deci crezi că, oh, acesta este un model scump, dar de fapt, hamul este cel care face diferența.”
Această perspectivă schimbă strategia companiilor care dezvoltă agenți AI. În loc să se concentreze exclusiv pe achiziționarea celor mai puternice modele, ele trebuie să investească în proiectarea unui ham robust, care să gestioneze memoria, să ofere feedback și să includă mecanisme de supervizare. Pentru sarcinile pe termen lung, cum ar fi editarea documentelor, gestionarea proiectelor sau automatizarea proceselor complexe, hamul devine factorul critic.
Ce înseamnă pentru viitorul AI?
Cercetarea Nvidia este un semnal că industria se maturizează. Nu mai este suficient să ai un model de ultimă generație; trebuie să ai și un sistem care să-l ghideze eficient. Aceasta este o veste bună pentru că deschide ușa către inovații în domeniul hamurilor, care pot fi dezvoltate de oricine, nu doar de giganții tech. De asemenea, subliniază importanța unei abordări holistice în dezvoltarea AI, unde modelul și hamul sunt inseparabile.
Pe măsură ce agenții AI devin mai răspândiți în aplicații reale, de la asistenți virtuali la automatizarea proceselor de afaceri, înțelegerea acestei dinamici va fi crucială. Nvidia a demonstrat că, cu un ham bine proiectat, chiar și un model care nu este perfect poate atinge performanțe remarcabile. Iar pentru cei care cred că viitorul AI este doar despre modele mai mari, această cercetare este un memento că uneori, eroul ascuns este cel care ține totul împreună.
De ce este important:
Această cercetare a Nvidia este importantă pentru că schimbă paradigma în dezvoltarea agenților AI. Ea demonstrează că performanța unui agent nu depinde doar de alegerea modelului, ci de calitatea infrastructurii care îl înconjoară. Pentru companiile care construiesc aplicații AI, aceasta înseamnă că trebuie să acorde o atenție egală proiectării hamului, nu doar achiziționării unui model puternic. De asemenea, subliniază rolul critic al supervizării și al gestionării memoriei în sarcinile complexe, ceea ce poate duce la agenți mai fiabili și mai eficienți. Pe termen lung, aceasta ar putea reduce costurile și ar putea face AI-ul mai accesibil pentru o gamă largă de aplicații, de la automatizarea afacerilor la cercetare științifică.
