NVIDIA maakt van een AI-agent één Python-klasse

NVIDIA Labs heeft NOOA vrijgegeven, een Python-framework dat een AI-agent terugbrengt tot één klasse. Waar agentcode normaal uiteenvalt in promptbestanden, tool-schema’s en een workflowgraaf ernaast, staat bij NOOA alles in hetzelfde object. MarkTechPost beschreef de release op 7 augustus. De code staat onder de Apache 2.0-licentie op GitHub, in de repository NVIDIA-NeMo/labs-OO-Agents, met een begeleidend paper op arXiv (2607.20709).

Docstrings zijn de prompts

De conventies zijn simpel. Methodes zijn de acties die het model mag uitvoeren, velden houden de toestand van de agent bij, docstrings zijn de prompts en type-annotaties worden door de runtime afgedwongen als contract. De kern van het idee zit in de body van een methode: staat daar alleen ..., dan vult een LLM-lus die methode tijdens het draaien in. Staat er gewone Python, dan blijft het deterministische code die als tool wordt aangeboden.

Daarmee lezen model en ontwikkelaar dezelfde interface. Een agent laat zich testen, tracen en in versiebeheer zetten zoals andere software, in plaats van als een losse verzameling tekstbestanden naast een script. The New Stack wijst ook op de manier waarop NOOA met data omgaat: grote objecten blijven live in de REPL en worden per referentie doorgegeven. Een lijst van honderd elementen kost in het contextvenster ongeveer dertig tokens, terwijl de volledige variabele beschikbaar blijft.

De scores die NVIDIA claimt

NVIDIA rapporteert een agent van 253 regels die 82,2 procent haalt op SWE-bench Verified met GPT-5.5 op xhigh effort. Ter vergelijking noemt het team 78,6 procent voor OpenCode en 78,2 procent voor PI; met Opus 4.6 komt dezelfde agent op 79,8 procent. Op CyberGym L1 staat 86,8 procent genoteerd, het hoogste open-source resultaat volgens NVIDIA, en op ARC-AGI-3 een gemiddelde RHAE van 85,1 procent met GPT-5.6-sol.

Het interessantste cijfer is niet de score maar het verbruik: die resultaten komen tot stand met ruwweg de helft van het aantal tokens dat vergelijkbare harnassen nodig hebben. Dat raakt aan een probleem waar bedrijven dit jaar tegenaan lopen. Rippling zag de tokenkosten oplopen tot 40 procent van het R&D-budget, en de prijzen van frontier-modellen gaan eerder omhoog dan omlaag.

Alfa, geen productieproduct

Verwacht geen af product. NOOA staat op versie 0.0.8, installeert met pip install nooa, vereist Python 3.12 of 3.13 en wordt door NVIDIA zelf een research preview genoemd. Het framework is model-agnostisch: het werkt met gesloten modellen zoals GPT-5.5, maar ook met open gewichten zoals DeepSeek V4 Flash, Llama of Mistral. Voor organisaties die om kosten of datasoevereiniteit zelf hosten, is dat het verschil tussen bruikbaar en niet.

Wat betekent dit

De agentwereld stapelt al twee jaar abstractielagen op elkaar: graafframeworks, orkestratielagen, en sinds kort een eigen protocollaag met de herziene MCP-specificatie en zelfs een browser gebouwd voor AI-agents. NOOA gaat de andere kant op en zegt: je taal kan dit al. Of dat standhoudt bij grotere systemen moet nog blijken, want een research preview van 0.0.8 heeft nog geen productiekilometers.

Voor Nederlandse ontwikkelteams die met agents experimenteren is de praktische winst dat er minder eigen lijm nodig is. En als de tokenclaim klopt, drukt dat direct de rekening bij elke run. Dat weegt zwaarder naarmate de modellen die eronder hangen duurder worden, iets wat de recente strijd om agentische benchmarks laat zien.