NVIDIA Labs hat mit NOOA (Object-Oriented Agents) einen neuen, quelloffenen Forschungsansatz für die Architektur von KI-Agenten veröffentlicht. Das Framework demonstriert, dass die Qualität der Agent-Harness, also der Architektur um das Grundmodell herum, einen entscheidenden Einfluss auf Leistung und Effizienz hat. Statt komplexer Orchestrierungspipelines behandelt NOOA jeden Agenten als einzelne Python-Klasse. Methoden definieren dabei Fähigkeiten, Felder steuern den Zustand, Docstrings fungieren als Prompt-Vorlagen und Typenannotationen gewährleisten verifizierte Schnittstellen. Auf Basis dieses Designs identifiziert NOOA sechs kernrelevante Architekturmuster: typisierte Eingabe- und Ausgabedaten, Referenzübergabe statt serialisierter Textblöcke, Code als direkte Aktion, programmierbare Orchestrierungsschleifen, explizites Objektstates und von Modellen aufrufbare Harness-APIs. Ein zentrales Unterscheidungsmerkmal ist das langlebige Speichersystem. Statt automatischer Zusammenfassungspipelines kuratiert der Agent sein Gedächtnis eigenständig durch typisierte Werkzeuge. Die entstehenden Datensätze werden über semantische Beziehungen zu einem Wissensgraphen verknüpft und in einer lesbaren SQLite-Datenbank gespeichert. Ein Hintergrundprozess bereinigt und verdichtet die Informationen kontinuierlich, wodurch Wissen über Sitzungsgrenzen hinweg erhalten bleibt, ohne ein Nachtrainieren zu benötigen. Die architektonischen Maßnahmen übersetzen sich in messbare Benchmark-Überlegenheit. In der Softwareentwicklung erreichte NOOA auf SWE-bench Verified mit GPT-5.5 eine Genauigkeit von 82,2 Prozent und übertrifft damit den damaligen Marktführer. Im Cybersecurity-Bereich CyberGym L1 löste das System 86,8 Prozent der Aufgaben ohne Netzwerkzugang und ohne domänenspezifische Steuerung, was ausschließlich auf reine Reasoning-Leistung zurückzuführen ist. Auf dem allgemeinen Reasoning-Benchmark ARC-AGI-3 erzielte die Plattform mit GPT-5.5 einen Score von 50,2 Prozent und mit GPT-5.6-sol 85,1 Prozent. Der Einsatz der Agenten-Harness ermöglichte zudem eine drastische Kostenreduktion. Bei Parität oder besserer Performance wurde der Tokenverbrauch auf rund die Hälfte gesenkt, da durch die Referenzübergabe kein Kontext-Compacting mehr erforderlich ist. Die Sessions bleiben anhängbar und cache-valid, was die Inferenzkosten weiter senkt. Sicherheitsaspekte spielen bei der Veröffentlichung ebenfalls eine große Rolle. Alle Agenten-Fleets laufen in einer mehrschichtigen Sandboxing-Umgebung, die systemnahe Privilegienbeschränkungen und Kernel-gestützte Isolierung kombiniert. Umfangreiche Red-Team-Audits bestätigten das Fehlen von Datenlecks. Mit NOOA stellt NVIDIA Labs nicht nur einen funktionsfähigen Prototypen bereit, sondern veröffentlicht auch die zugehörigen Tests, Evaluierungsmethoden und Benchmark-Agenten vollständig als quelloffene Ressourcen. Der Ansatz zielt darauf ab, die Agentenentwicklung auf etablierte Software-Engineering-Praktiken wie Code-Reviews, Unit-Tests und Traceability zurückzuführen und damit Transparenz, Auditierbarkeit und Reproduzierbarkeit in einem schnell wachsenden Forschungsökosystem zu stärken.