Nvidia的SoL-Pi通过优化“harness”将编程智能体token用量减少近一半
在EdgeBench的 51 个公开任务上，SoL-Pi与原始Pi harness表现相当；最省token的变体少用 49% 的token，得分达到Pi的 93.7%。
AI解读：Nvidia研究团队把降本目标从模型本身挪到了harness——也就是模型与环境之间那层控制逻辑，比如Codex、Claude Code或OpenClaw使用的调度框架。SoL-Pi让一个研究型AI去看另一个智能体的执行轨迹、提出harness改动，并且只保留那些既不掉性能又能省成本的方案。
对开发者来说，这直接关系到账单。研究给出的估算显示，在EdgeBench上最省token的配置比Codex节省 50%，比Claude Code节省 54.3%；按当前API价格折算，相比原生Codex和Claude Code harness每小时可省 8.75 至 13.50 美元。
但收益并不均匀。在Terminal-Bench 4的 63 个CPU任务上，SoL-Pi只解出 15 个，Codex和Pi各解出 18 个，尽管总成本仍比Pi低约四分之一。所以它更像是一种降低单位成本的工具，而不是提升解决能力的通用升级。
另一个限制是泛化。此前研究显示，自动优化过的harness容易过拟合训练任务。SoL-Pi的做法是把搜索反馈和评估严格隔开：EdgeBench的 40 个保留任务只在harness冻结后跑一次，结果不会回流到搜索过程中。
Nvidia研究人员公布了一个名为SoL-Pi的系统，它不修改模型，而是自动优化智能体与运行环境之间的harness层，从而降低编程智能体的token消耗。
根据The Decoder报道的论文内容，在EdgeBench的 51 个公开任务上，SoL-Pi的性能与原始Pi harness大致相当。最省token的配置同时启用四种机制，token用量比Pi少 49%，得分达到Pi的 93.7%。
研究团队在 535 个可执行环境中搜索了 152 个方向，包括 495 个由GitHub issue与pull request配对衍生的任务和 40 个合成测试用例，总共产生超过 3000 次运行和超过 6 万次智能体与环境交互。
四种消除重复工作的机制
搜索过程产出了四种机制。Action Fusion把两个连续步骤合并为一步，例如代码编辑后紧跟一次测试运行，从而消除一次完整的语言模型调用。
Online Context Compact在每个规划步骤之后运行，在不丢失重要信息的前提下裁剪累积的上下文。ObservationPack把较长的工具输出归档，后续步骤只插入一段简短摘要，而不是每次都重发全文。
Evidence-Preserving Reducer把大型错误日志和测试日志发给更便宜的模型进行浓缩，并配有一个自动验证步骤来捕捉可能被漏掉的关键线索。
- Action Fusion：合并连续步骤，消除一次模型调用
- Online Context Compact：每步规划后裁剪上下文
- ObservationPack：归档长输出，后续只发摘要
- Evidence-Preserving Reducer：用便宜模型压缩错误与测试日志，并自动复核
成本、配置与跨模型表现
具体节省幅度取决于配置。性能优先的变体只选用最强的单一机制，得分比Pi高 5.3%，同时仍然节省token。两种变体的token用量降幅在 44.7% 到 49% 之间。
效率变体的token用量是Pi的一半，成本从 1339 美元降到 894 美元，但得分略低。作者按当前API价格估算，相比原生Codex和Claude Code harness每小时可省 8.75 至 13.50 美元，相比Pi每小时可省 4.36 至 5.71 美元。
研究团队只用GPT-5.6 Sol构建了该系统，然后未经改动地应用到Opus 5上。在Opus 5上，系统保留了Pi 94.3% 的性能，节省幅度相近，但机制触发的频率和力度都更低。研究人员把这归因于harness仅基于GPT-5.6 Sol的执行轨迹进行了优化。
- EdgeBench 51个公开任务：性能与Pi大致持平
- 最省配置：token少 49%，得分达Pi的 93.7%
- 成本：从 1339 美元降至 894 美元
- Opus 5上保留 94.3% 性能，但机制触发更少、更弱
其他基准上的表现与取舍
在EdgeBench之外，结果更复杂。在Terminal-Bench 4的 63 个CPU任务上，SoL-Pi只解出 15 个，Codex和Pi各解出 18 个，但总成本仍比Pi低约四分之一。
在 2026 数学奥林匹克（IMO 2026）的形式化验证Lean 4任务上，该系统以最低的每题解决成本解出了 6 题中的 3 题。在一个内核优化实验中，由 20 个SoL-Pi工作单元组成的集群比同类Pi集群降低成本 26.8%。
效率提升伴随着取舍，更短的上下文可能降低提示缓存复用率。不过在一次测试运行中，总成本仍从 1339 美元降至 894 美元。作者展望称，可以像预训练模型那样跨多个任务预训练harness，并用已经精简的harness来降低搜索其继任者的成本；他们把这称为递归效率提升的愿景，而非本次研究的结论。
- Terminal-Bench 4：解出 15/63，Codex与Pi各 18/63，但总成本低约四分之一
- IMO 2026 Lean 4：6 题解出 3 题，每题解决成本最低
- 20 个SoL-Pi工作单元的内核优化集群：比Pi集群省 26.8%
- 短上下文可能降低提示缓存复用