Seedance erstellt realistische Videos aus Text Prompts
11/08/2026
NVIDIA hat gerade NOOA veröffentlicht, ein kostenloses Tool zum Erstellen intelligenter Software-Helfer. Das Besondere daran ? Es passt in eine einzige, einfache Python-Klasse. Methoden fungieren wie Aktionen, Erinnerungen werden automatisch gespeichert, und Anweisungen befinden sich direkt in den Notizen. Das bedeutet weniger Aufwand für Entwickler, und selbst Nicht-Programmierer können mitkommen. NVIDIA sagt, dass es auch bei schwierigen Tests gut abschneidet. Neugierig, wie dieser Trick mit der einzelnen Klasse eigentlich funktioniert ? Es gibt noch mehr zu entdecken.
Was ist NOOA, und warum hat NVIDIA es entwickelt ?
Was genau ist NOOA ? Es steht für NVIDIA Object-Oriented Agents, ein kostenloses Open-Source-Projekt von NVIDIA Labs. Man kann es sich als eine freundlichere Art vorstellen, intelligente Software-Helfer zu bauen. Anstatt mit Prompts, Tools und verworrenen Workflows zu jonglieren, ermöglicht NOOA den Bau eines gesamten Agenten als eine einzige, einfache Python-Klasse. Methoden werden zu Aktionen, Felder speichern das Gedächtnis, und Docstrings dienen als Anweisungen.
Warum hat NVIDIA das entwickelt ? Der Aufbau von Agenten war unübersichtlich geworden, verstreut über zu viele bewegliche Teile. NVIDIA wollte bessere Entwickler-Tools, die sich natürlich anfühlen, nicht überwältigend. Dieses Design unterstützt zudem die Agentenethik, da einfacherer Code leichter zu überprüfen und zu vertrauen ist. Das Ziel ist Freiheit , Entwicklern, ob technisch versiert oder nicht, Raum zu geben, um zu erschaffen, ohne gegen komplizierte Systeme ankämpfen zu müssen. NOOA hat bereits starke Ergebnisse gezeigt und erreichte 82,2% Genauigkeit im SWE-bench-Verified-Benchmark mit GPT‑5.5.
Wie das Single-Class-Agent-Design von NOOA tatsächlich funktioniert
Stellen Sie sich eine einzige Python-Klasse vor, die die Arbeit eines ganzen Teams erledigt. Innerhalb dieser Klasse hält NOOA alles organisiert, ohne zusätzliche Codeschichten zu benötigen. Das Innere der Klasse enthält das Gedächtnis, die Werkzeuge und die Entscheidungsfindung des Agenten in einem übersichtlichen Raum. Das ist Zustandsverkapselung in Aktion, Ihr Agent erinnert sich, was er tut, ohne sich ständig neu erklären zu müssen.
Anstatt separate Dateien oder Handler zu jonglieren, speichert der Agent seinen Fortschritt direkt in sich selbst. Muss er eine Aufgabe über viele Schritte hinweg verfolgen ? Er überprüft einfach sein eigenes Gedächtnis. Möchten Sie eine neue Fähigkeit hinzufügen ? Fügen Sie sie einfach demselben Objekt hinzu.
Dieser Aufbau gibt Entwicklern echte Freiheit. Sie kämpfen nicht gegen ein Labyrinth von Skripten, Sie gestalten eine klare, flexible Struktur, die mit Ihren Ideen wächst. Methoden mit einem Body aus “…” werden automatisch in agentische Schleifen umgewandelt, die zur Laufzeit von einem LLM ausgeführt werden, während Methoden mit echtem Code als deterministische Werkzeuge bestehen bleiben, die das Modell aufrufen kann.
Hält die Benchmark-Leistung von NOOA stand ?
Wie gut schneidet NOOA tatsächlich ab, wenn es echten Tests unterzogen wird ? Ziemlich gut, ehrlich gesagt. Es erreichte 82,2 % beim SWE-bench Verified, 86,8 % beim CyberGym L1 und 85,1 % bei ARC-AGI‑3. Diese Zahlen übertreffen die meisten offenen Harnesses, und laut NVIDIA gelingt dies oft mit der Hälfte der Tokens. Das ist echte Freiheit für Entwickler, die Verschwendung hassen. Bei Terminal-Bench 2.0 erreichte NOOA mit GPT‑5.5 xhigh 73,0 % und übertraf OpenCode um mehr als 12 Punkte bei hoher Anstrengung.
Aber hier ist der Haken, den man kennen sollte. Dies sind NVIDIAs eigene berichtete Ergebnisse, keine unabhängig verifizierten. Die Reproduzierbarkeit von Benchmarks ist wichtig, und externe Labore haben diese Werte noch nicht bestätigt. Es gibt auch erwähnenswerte Einschränkungen bei der Bewertung , NOOA war nicht bei jedem Test die Nummer eins, etwa beim Terminal-Bench 2.0 mit xhigh-Anstrengung. Die Geschichte ist also stark, aber nicht makellos. Vertraue den Zahlen, aber überprüfe sie selbst, wenn du kannst.
