NVIDIA推出SoL-Pi：自动研发循环降低编码智能体49%令牌流量

自动研发循环驱动的harness层优化

当前编码智能体（coding agents）执行时长已达数小时级别，每次文件编辑、测试运行或日志读取均需注入模型上下文，导致令牌消耗激增。为应对这一瓶颈，NVIDIA、新加坡南洋理工大学（NTU）与麻省理工学院（MIT）联合研究团队提出SoL-Pi——一套专为开源Pi编码智能体设计的4项轻量级效率机制。这些机制并非由人工设计，而是由一个‘研究型AI’在harness层（即协调工具调用、上下文管理、观测反馈与任务委派的核心控制层）中，通过多轮自动研发（auto-research）循环自主发现并验证得出。

搜索方法论：隔离式、可验证、不泄露的闭环迭代

该自动研发流程严格遵循‘可复现、不可干预’原则：研究AI观察基础Pi智能体在独立环境中的执行轨迹；据此生成harness修改提案，并在535个可执行环境中进行验证——其中495个源自GitHub真实issue-PR配对，40个为带可执行校验器的合成任务。整个搜索过程包含超3000次运行、逾6万次智能体-环境交互。每个搜索循环均为一次性、隔离式运行，集成Ralph Loop实现步骤与独立评审机制。所有接受规则（如性能容忍度、必须提升至少一项效率指标）在搜索启动前即冻结，优化器无权更改。EdgeBench的51个公开任务被严格划分：11个用于候选方案‘单向准入’（one-way acceptance），其余40个全程‘持出’（held out），其结果绝不参与任何中间搜索决策。

四项落地机制：从通信冗余到上下文治理

最终保留的四项机制直击编码智能体高频低效环节：

• Action Fusion（动作融合）：将‘编辑文件’与后续‘运行/构建/测试’拆分为两个独立工具调用，合并为单次请求，同步返回编辑结果与执行输出，消除一次模型往返。

• Online Context Compact（在线上下文压缩）：动态评估`update_plan`中剩余步骤数，当预估的输入节省量超过重写prompt缓存的开销，或上下文逼近窗口上限时，触发Pi原生压缩机制。

• ObservationPack（观测打包）：对超10 KiB的工具输出（如编译日志），本地归档后，在接下来2次provider请求中发送完整内容；第3次起仅提供稳定句柄（handle）、原始大小及首尾数行摘要；全文仍可通过句柄精确检索。

• Evidence-Preserving Reducer（证据保留型缩减器）：将≥4 KiB的构建/测试日志交由更低成本模型GPT-5.6 Luna（high配置）生成紧凑收据（receipt），再由确定性校验器验证其结构、源哈希、退出码、关键引文及尺寸。仅当校验失败、凭证可疑或收据未更小时，才回退使用原始日志。

EdgeBench实测：高效与性能的平衡解

在51任务EdgeBench基准上，SoL-Pi在GPT-5.6 Sol后端下令牌消耗从Pi的2.15B降至1.10B（↓49.0%），API成本从$1,339降至$894（↓33.2%），平均分42.0（Pi为44.8，达93.7%）；在Opus 5后端下令牌降44.7%至1.31B，成本降33.5%至$1,158，得分42.2（达94.3%）。若采用‘性能优先’配置（GPT-5.6 Sol用ObservationPack，Opus 5用Action Fusion），得分分别达47.2与50.5，较Pi提升5.3%和12.8%。值得注意的是，尽管SoL-Pi在GPT-5.6 Sol上缓存写入流量略有上升（0.0141B→0.0316B），总成本仍显著下降。

开源即用，无缝集成

SoL-Pi作为MIT许可的扩展模块，已发布于GitHub NVlabs组织下，无需修改Pi原版代码即可运行，经测试兼容Pi 0.85.1与Node.js 22.19+。除EdgeBench外，其在Terminal-Bench 4等其他基准中亦验证了泛化有效性。

> 编者观点：SoL-Pi揭示了一条被长期忽视的AI工程路径——在不更换大模型、不重训agent的前提下，通过精细化harness层架构优化，可系统性压降推理成本。对中国AI工具链厂商而言，这意味着更低门槛的商业化落地能力：聚焦‘如何让现有模型跑得更省’，可能比追逐参数规模更具现实竞争力。