Nvidia har vist at AI-agenter kan prestere godt – og unngå å spore av – gjennom finjustering av rammeverket rundt modellen, selv når selve modellen ikke er spesielt god på oppgaven. Det skriver TechCrunch. Poenget: Det er ikke lenger bare modellen som avgjør hva en agent får til. Måten agenten organiseres på – 'harnesset' – blir stadig viktigere.
Forskningen kommer fra Nvidia, og følges opp av et nytt paper fra Hugging Face som viser samme tendens i praksis. Paperet introduserer StateM, et agent-runtime som strukturerer utførelse rundt varige tilstander, fase-lokal kontekst, kontrollerte overganger og gjenbrukbare prosedyrer. På Terminal-Bench 2.1 løfter StateM GPT-5.5 xhigh fra 83,1 % til 92,1 % – og med GPT-5.6 Sol xhigh når det 95,3 % rå nøyaktighet. Like viktig: Med samme rammeverk og prosedyrer løftes DeepSeek-V4 Flash fra 82,7 % til 88,1 % – med en API-kostnad på omtrent 15 dollar mot 574,68 dollar for GPT-referansen. Hele paperet ligger åpent.
For beslutningstakere er implikasjonen todelt. For det første: Ytelse kan kjøpes billigere. Hvis et godt rammeverk kan løfte en rimelig modell til nivået til en dyr, reduseres de direkte kostnadene ved å drive agenter dramatisk. For det andre: Avhengigheten av én enkelt modell-leverandør svekkes. Når rammeverket er det som avgjør, blir det lettere å bytte modell under panseret uten å miste kontroll over oppførselen.
Samtidig er det en advarsel: Rammeverket blir en ny flaskehals. Det som før var et modellvalg, blir nå et arkitekturvalg – og den som kontrollerer rammeverket, kontrollerer i økende grad agentens faktiske kapabiliteter.
Konklusjon: Rammeverket rundt agenten er i ferd med å bli den viktigste ytelsesdriveren – og den billigste veien til bedre agenter går gjennom å investere i utførelsesarkitektur, ikke bare i dyrere modeller.
