NVIDIA convirtió un 30% en un 100%: la prueba definitiva de que el modelo ya no es el producto

El 21 de agosto de 2026, la empresa de hardware más importante del mundo publicó el dato más incómodo para la industria del software de IA: tomó a Claude Opus 5 — el modelo más capaz del planeta — y, solo, marcó un 30.2% en ARC-AGI-3. Le agregó un harness con memoria persistente y un supervisor: 100%. Nivel perfecto. Todos los niveles públicos superados. El modelo no cambió ni un parámetro. Lo que cambió fue todo lo que está alrededor.

Lean eso de nuevo, porque la industria entera está construyendo sobre la suposición contraria. Cada lanzamiento de "modelo frontier" se vende como un salto de inteligencia. Cada comparación de benchmarks compara cerebros. Y sin embargo, en la misma semana, los tres laboratorios más importantes del mundo hicieron lo mismo — sin coordinarse, sin admitirlo del todo:

• OpenAI (15-febrero) no fichó a un investigador de modelos: fichó a Peter Steinberger, el creador de OpenClaw — un harness — para liderar "la próxima generación de agentes personales".
• Anthropic (1-septiembre) lanzó dos "modelos nuevos" — Fable 5.1 y Mythos 5.1 — que son el mismo modelo con distintos safeguards. Vendió acceso, no cerebro.
• OpenAI (3-septiembre) lanzó GPT-6 Astra, que en el índice independiente de Artificial Analysis queda 5 puntos bajo el modelo de Anthropic en inteligencia — pero es un líder en computer use y en el agente que lo envuelve.
• NVIDIA (21-agosto) demostró con AVO que el resultado de un agente depende más del harness que del modelo. TechCrunch lo tituló sin vueltas: "the harness, not the AI model, is now the real hero".

Lo escribimos desde la posición de quien practica lo que predica: hace meses documentamos la tesis del harness (el modelo como commodity, la arquitectura como ventaja), construimos un agente con memoria persistente multi-capa y supervisor — la misma arquitectura que NVIDIA validó — y esta semana vimos a la industria entera converger a nuestro argumento. Este artículo es la prueba, con datos verificados, de que no estábamos adelantados: estábamos en lo correcto.

1. El dato NVIDIA: la prueba dura de que el modelo es una pieza, no el sistema

Primero, los números exactos — porque esta tesis no es filosofía, es ingeniería medida. NVIDIA publicó el 21 de agosto en su blog técnico los resultados de AVO (Agentic Variation Operators), una arquitectura agéntica de propósito general nacida para optimizar kernels de GPU por ensayo y error autónomo. El sistema explora direcciones de variación, ejecuta tests reales en hardware, interpreta el feedback y corrige — durante días, sin supervisión humana.

¿Capturan la magnitud de lo que dice NVIDIA? El mismo sistema, sin cambios de core loop, tomó el modelo más capaz del planeta y lo llevó de "no puede" a "perfecto" en un benchmark de razonamiento interactivo — y además generó kernels de GPU que superan a FlashAttention-4, la biblioteca que NVIDIA misma ayudó a popularizar. No es un resultado de modelo. Es un resultado de arquitectura.

¿Y cuáles son los dos mecanismos que NVIDIA identifica como los que mantienen estable al sistema en tareas largas? Léanlos con calma:

1. Memoria persistente — AVO arrastra implementaciones, resultados de tests y salidas del profiler entre intentos. No reconstruye el contexto desde cero en cada paso: acumula.
2. Un supervisor — vigila la búsqueda y redirige al agente principal cuando se estanca. No es el modelo decidiéndolo todo: es una capa externa de orquestación que detecta el atasco y cambia la dirección.

Traducción del vicepresidente de producto de NVIDIA: el mundo cree que un agente es "el modelo con una API" — y eso está mal. Un agente es el modelo más el harness (el scaffolding, las herramientas, el runtime, las skills). O sea: la pieza que casi toda la industria mide, compara y compra — el cerebro — es una fracción del sistema que produce el resultado. La pieza que determina el resultado — la arquitectura — es la que casi nadie controla.

Y aquí está el detalle que convierte esto en un punto de inflexión, no en una anécdota: el 21 de agosto NVIDIA optimizaba kernels; en la semana del 1 al 3 de septiembre, Anthropic y OpenAI lanzaron sus modelos "más inteligentes de la historia" sin un solo salto comparable en inteligencia pura — pero con mejoras enormes en todo lo que rodea al modelo. La industria entera, sin decirlo, ya sabe que el harness es el campo de batalla. Este artículo es sobre lo que eso significa para ti.

2. La industria confiesa: el valor se movió fuera del modelo (y nadie lo anunció)

Si el dato NVIDIA fuera un caso aislado, podríamos tratarlo como una curiosidad de laboratorio. No lo es. En los últimos seis meses, los tres laboratorios más poderosos del mundo actuaron — con sus bolsillos, sus productos y sus precios — como si ya supieran que el modelo no es el producto. Ninguno lo anunció como tesis. Todos lo demostraron con hechos.

2.1 OpenAI fichó a un constructor de harnesses, no a un investigador de modelos

El 15 de febrero de 2026, Sam Altman anunció que Peter Steinberger — el creador de OpenClaw, el agente open source más viral de la historia (250K+ estrellas) — se unía a OpenAI para liderar "la próxima generación de agentes personales". Lean lo que OpenAI compró: no compró parámetros. No compró un paper. Compró la visión y la experiencia de construir el harness que convirtió un modelo genérico en un agente que millones de personas usan. El proyecto OpenClaw, mientras tanto, pasó a una fundación independiente — con OpenAI como patrocinador financiero.

2.2 Anthropic vendió el mismo modelo dos veces en un día

El 1 de septiembre, Anthropic anunció dos lanzamientos: Claude Fable 5.1 y Claude Mythos 5.1. La industria celebró dos "modelos nuevos". La letra chica dice algo mucho más interesante: son el mismo modelo, con distintos niveles de safeguards. Fable 5.1 es la versión de acceso general; Mythos 5.1 mantiene las capacidades plenas de ciberseguridad y biología y se vende solo a través de "programas de acceso confiable" — organizaciones verificadas de EE.UU.

¿Qué están vendiendo realmente? No venden dos inteligencias: venden dos niveles de acceso al mismo cerebro. La inteligencia — el modelo — es el commodity; el producto es la llave, el canal, la política de uso y el "trusted access" que la envuelve. Es exactamente la tesis del harness aplicada al negocio de los modelos: cuando el cerebro es fijo, el valor se mueve a las reglas y al acceso.

2.3 GPT-6 Astra: el modelo que se vendió como agente

El 3 de septiembre, OpenAI lanzó GPT-6 Astra con una campaña que lo presentó como un salto de inteligencia. Los datos independientes cuentan otra historia — y es reveladora. En el índice de Artificial Analysis (la referencia independiente que no depende de los benchmarks auto-reportados de los labs):

El patrón es inconfundible: el "modelo más inteligente de la historia" no lidera el índice de inteligencia — pero lidera en todo lo que mide al agente completo. Lo que OpenAI vendió no fue un cerebro radicalmente superior: fue un sistema — modelo + harness + computer use + integraciones — que ejecuta tareas completas. La inteligencia cruda es un empate técnico entre los líderes; la diferencia está en el andamiaje, y por eso el precio sube 2.5x.

2.4 NVIDIA lo resumió con la crudeza del fabricante de hardware

Y NVIDIA — que no vende modelos, vende la infraestructura donde todos corren — lo dijo con la claridad del que observa la industria desde afuera del ring de los benchmarks. El vicepresidente de producto de su unidad de IA, en TechCrunch:

Cuatro movimientos, una sola dirección. OpenAI compra el mejor harness del mundo. Anthropic vende el mismo cerebro con distintas llaves. OpenAI lanza un modelo que gana por el agente, no por el cerebro. NVIDIA demuestra con un 100% que el resultado depende del sistema, no del modelo. Cuando todos los actores convergen al mismo lugar, no es coincidencia: es la dirección del mercado.

3. La lección estratégica: por qué esto reconfigura TODA tu decisión de compra de IA

Si el harness es el producto y el modelo es una pieza intercambiable, la decisión más importante que una empresa puede tomar hoy no es "¿qué modelo uso?" — es "¿sobre qué harness construyo y quién lo controla?". Y esa decisión tiene tres implicaciones concretas, con datos:

3.1 Los labs cerrados venden por debajo del costo hoy, para cambiar los términos mañana

La semana pasada documentamos el caso Anthropic: cortes de tokens unilaterales en septiembre, con clientes enterprise recibiendo un tercio menos de capacidad de la que pagaban — no por error, sino como parte de la gestión de capacidad. En junio, una directiva de export control retiró del mercado a los modelos Fable 5 que empresas ya estaban usando. El patrón de los labs cerrados es estructural: precios subsidiados hoy (por debajo del costo real), retención de datos y T&C cambiantes mañana, acceso revocable cuando el gobierno o el balance lo pidan. Cuando el producto es el acceso, el acceso es el poder — y el poder siempre se ejerce.

3.2 Los modelos abiertos no se pueden retirar: el peso está en tu disco

La contraparte es igual de estructural. Un modelo open weights — Nemotron de NVIDIA, DeepSeek, Qwen, GLM — no se puede apagar, no se puede encoger, no se puede cambiar de T&C. El peso está en tu disco o en tu nube soberana. Cuando un gobierno retira un modelo cerrado del mercado, los modelos abiertos siguen corriendo. Cuando un lab cambia sus precios, tus pesos no se enteran. Esa asimetría — revocable vs. irrevocable — es la frontera real de la soberanía tecnológica en 2026.

3.3 El harness es agnóstico al modelo: tu ventaja no depende de acertar el caballo ganador

Y aquí está la jugada que casi nadie está haciendo, y que el dato NVIDIA vuelve evidente: si el 70% del resultado vive en el harness, y el harness es tuyo, entonces puedes cambiar el modelo cuando quieras sin perder tu ventaja. Hoy el mejor crudo es Opus 5 — mañana puede ser Nemotron 3 Ultra, pasado el open que supere a todos. El harness — memoria, supervisión, skills, integración — es agnóstico al cerebro que lo habita. Apostar al harness propio sobre modelos abiertos es la única combinación donde nadie puede moverte el piso: ni el lab, ni el gobierno, ni el T&C de turno.

4. El caso Wagner Solutions: lo que NVIDIA validó, nosotros ya lo construimos

Aquí es donde este artículo se pone incómodo, porque vamos a hablar de nosotros. Y lo hacemos por una razón que debería importarte más que cualquier otra: la diferencia entre una opinión y una tesis es que la tesis se construye antes de que la validen — y la nuestra lleva meses construida, pública y verificable.

Cuando NVIDIA publicó AVO el 21 de agosto, la arquitectura que describió — memoria persistente que arrastra contexto entre intentos + un supervisor que detecta estancamiento y redirige + skills a las que el agente accede — no nos sonó a novedad. Nos sonó a nuestra propia documentación. Porque eso es exactamente lo que corre este sistema, y lo que describimos públicamente mucho antes de que la empresa de hardware más valiosa del mundo lo validara con un 100%:

• Memoria persistente multi-capa. Shiva arrastra contexto entre sesiones — notas de sesión, decisiones en un grafo de memoria (MillenniumDB), señales de largo plazo que se consolidan en memoria durable. No reconstruye el mundo desde cero en cada conversación: acumula, como AVO acumula implementaciones y resultados entre intentos.
• Supervisor y orquestación. Un supervisor vigila la ejecución, detecta cuándo un agente se estanca y redirige. No es el modelo decidiéndolo todo en un solo paso: es una capa externa de control que mantiene estable al sistema en tareas largas. La misma receta que NVIDIA identificó como el ingrediente del 100%.
• Skills como capa de valor. El harness no es solo memoria: es el conjunto de capacidades — skills, herramientas, integraciones — a las que el agente accede. Es literalmente lo que Adel El Hallak describió: "el runtime y las skills a las que le damos acceso".
• Modelos abiertos como base. Corremos sobre modelos open (DeepSeek, Qwen, GLM, Nemotron) — no sobre arenisca subsidiada de un lab que mañana puede cortarnos los tokens o retirar el modelo por una directiva.

¿Por qué importa para ti? Porque nosotros no vendemos un modelo. No vendemos una API. Vendemos exactamente lo que NVIDIA demostró que vale: la capacidad de hacer que un sistema de IA funcione de verdad en tu operación — con tu contexto, tu memoria, tus reglas y tu control. Esa es la implementación que documentamos ayer en el modelo Red Hat de la IA: capacidad → reputación → implementación. El dato NVIDIA es la confirmación técnica de por qué ese modelo de negocio gana: si el valor está en el sistema (no en el cerebro), entonces el que construye el sistema para el contexto del cliente — no el que revende el cerebro — es el que captura el valor.

Y la evidencia de que esto no es teoría es pública y auditable, como siempre: más de 116 artículos con datos verificados — incluyendo la saga completa de la tesis del harness y la memoria soberana —, una contribución open source (Onboarding Hub), PRs a MillenniumDB (la graphDB chilena de clase mundial del IMFD/DCC de la Universidad de Chile) y un producto de memoria soberana que corre sobre la misma arquitectura que este sistema.

Conclusión: cuando el 70% del resultado es el harness, la pregunta es quién lo controla

Volvamos al dato con el que abrimos: Claude Opus 5 solo hace 30.2% en ARC-AGI-3. Con el harness AVO de NVIDIA — memoria persistente y supervisor — hace 100%. El modelo más capaz del planeta, el producto más caro y más celebrado de la industria, era responsable de menos de un tercio del resultado. El harness — el sistema alrededor — era responsable de los otros dos tercios. Y el harness, a diferencia del modelo, no se entrena con miles de millones de dólares: se construye, se controla y se posee.

Por eso la semana del 1 al 3 de septiembre fue tan reveladora. Anthropic lanzó el mismo modelo dos veces con distintas llaves. OpenAI lanzó un modelo que gana por el agente que lo envuelve, no por el cerebro. Y NVIDIA — el fabricante que ve toda la industria desde la infraestructura — ya lo había dicho cinco días antes con un 100% en un benchmark que tiene "particularmente irritado" al laboratorio más poderoso del mundo. La industria no está convergiendo al modelo más inteligente: está convergiendo al mejor harness.

La pregunta que cada CTO, founder y líder LATAM debería hacerse hoy no es "¿qué modelo uso?". Es "¿quién controla el harness?". Porque la respuesta define todo lo demás: quién es dueño de tu memoria, quién decide tus límites, quién puede retirarte la capacidad, y quién captura el 70% del valor que tu sistema produce. Puedes seguir comprando cerebros cada vez más caros y regalando el control del sistema que los hace útiles — o puedes construir el harness, y usar los mejores cerebros abiertos que existan, sabiendo que el piso no te lo puede mover nadie.

El modelo ya no es el producto. Nunca lo fue del todo — solo que ahora NVIDIA lo demostró con un 100%.