22 июля 2026 года Nvidia опубликовала работу по NOOA и показала фреймворк NOOA, в котором AI-агент описывается одним Python-классом. Как пишет The New Stack, это не просто еще один SDK для LLM, а сдвиг в сторону обычной инженерии: меньше разрозненных промптов и схем, больше кода, который можно типизировать, тестировать и сопровождать.
NOOA расшифровывается как Nvidia Object-Oriented Agents. Вместо привычной сборки из prompt templates, tool schemas, callback-ов и workflow-графов компания предлагает старую, местами даже консервативную идею: агент — это объект Python. Поля класса хранят состояние, методы становятся доступными возможностями, docstring играет роль инструкции для модели, а type hints задают контракт на вход и выход. В работе «NVIDIA-labs OO Agents: Native Python Object-Oriented Agents» авторы во главе с Paul Furgale отдельно подчеркивают границу между детерминированным и агентным кодом: если у метода обычное тело, он выполняется как нормальный Python; если в теле стоит многоточие, рантайм перехватывает вызов и запускает LLM-цикл. Код при этом выложен на GitHub под лицензией Apache 2.0, так что речь не о закрытой презентации для инвесторов, а о вполне проверяемом инженерном артефакте.
Почему это не просто еще один SDK
Ключевая мысль NOOA не в красивом синтаксисе, а в том, что модель получает интерфейс, похожий на тот Python, на котором она и так обучалась. В paper Nvidia выделяет шесть опорных идей: типизированный ввод-вывод, передачу живых объектов по ссылке, код как основное действие, программируемый цикл выполнения, явное состояние объекта и API самого рантайма, которые тоже видны модели. На практике это значит, что агенту не нужно каждый раз сериализовать пол-мира в prompt. Большой список, датафрейм, объект заказа или кусок доменной модели можно передать как живой объект: модель увидит компактный preview, а работать будет с реальным значением внутри REPL-подобной среды. Для тех, кто уже платил за лишние токены в длинных tool-calling сессиях, аргумент более чем земной.
Вторая важная деталь: NOOA делает ставку на code-as-action. Модель не просто выбирает из меню заранее описанных инструментов, а пишет обычный Python-код с циклами, условиями, импортами и обращением к self. Это сближает agent engineering с привычной backend-разработкой: orchestration остается в Python, трассировка включена по умолчанию, а для оценки поведения есть отдельный evaluation pipeline. При этом фреймворк NOOA заявлен как model-agnostic: в README показаны сценарии с моделями Anthropic, OpenAI, Ollama и vLLM через LiteLLM. Для команд, которые не хотят завязываться на одного провайдера или на одну облачную политику, это, пожалуй, важнее любой красивой демки.
Дальше начинаются цифры, и тут у Nvidia есть чем бить по столу. В capability-тестах paper прогнал 88 сценариев по пять раз на десяти моделях — всего 4400 прогонов — и получил 4309 успешных результатов, то есть 97,9%. GPT-5.5 прошла набор без единого промаха, а шесть из десяти моделей превысили 98%. На SWE-bench Verified фреймворк NOOA с GPT-5.5 набрал 82,2% при максимальном reasoning effort против 78,6% у OpenCode и 78,2% у PI. Причем разница не куплена бесконечной болтовней модели: paper пишет о примерно 28 model calls и 1,1 млн токенов на задачу против 66 вызовов и 2,2 млн токенов у PI. На Terminal-Bench 2.0 картина похожая, хотя не без оговорок: при high effort NOOA дает 73,0% против 60,7% у OpenCode и 68,5% у PI, но на xhigh PI все же выходит вперед с 75,3% против 73,0% у NOOA. То есть перед нами не убийца всех фреймворков, а очень сильная и местами более экономная обвязка вокруг модели.
Что это значит для команд
Для разработчиков плюс очевиден: агентный код перестает жить отдельной мистической жизнью. Его можно прогонять через pytest, lint и type check, разносить логику между обычными и агентными методами и хранить state прямо в объекте, а не в ворохе скрытых prompt-переменных. Для тимлида и CTO это тоже хорошая новость: чем меньше в системе особых DSL и невидимых magic-layer, тем дешевле онбординг и тем проще объяснить, почему агент принял конкретное решение. Но у этой медали есть и неприятно практичная обратная сторона: NOOA — это research software, которое умеет исполнять сгенерированный моделью код. Nvidia прямо предупреждает, что AST-проверки и deny-list модулей — не защита периметра. Если такой агент может писать код, читать файлы и что-то запускать, ему нужен не красивый prompt, а контейнер, VM или другой OS-level sandbox.
Поэтому главный смысл релиза даже не в том, что Nvidia выпустила еще одну библиотеку. Важнее, что крупный вендор ускорителей полез в слой, где теперь реально рождается продуктовая ценность: состояние, память, валидация, стоимость исполнения и правила безопасности. Еще год назад спорили в основном о том, какая модель умнее. NOOA напоминает, что в production почти всегда побеждает не самая эффектная демка, а та система, где рантайм дисциплинирует модель, режет лишние токены и не дает агенту объявить победу до проверки результата. В этом смысле фреймворк NOOA попадает точно в нерв рынка: агент перестает быть чатом с инструментами и становится исполняемой программой с контрактами.
Теперь вопрос не в том, появится ли у нас еще один agent framework, а в том, примут ли команды саму логику «агент как Python-объект». Если примут, рынок будет все меньше обсуждать промпты и все больше — интерфейсы рантайма, тестируемость и sandboxing. Дополнительный контекст по релизу — в материале .