NVIDIA 开源 SoL-Pi：自动研究循环把 Agent Token 成本砍半
udmrzn · x · 2026-09-11
NVIDIA NVLabs 以 MIT 协议开源 SoL-Pi（Scaling Auto-Research Loops for Efficient Agent Harnesses），一个基于 Pi 的 Harness 效率增强层。核心思路是让 Agent 自动研究如何优化 Agent 自己的 Harness：
- 搭建 535 个可执行训练环境（495 个来自真实 GitHub Issue-PR，40 个带 Verifier 的合成任务），Auto-Research Loop 不断提出改进、实现、跑实验、验证，仅约 1/40 的想法存活。
- 自动找出四项优化：Action Fusion（把测试/运行合并进同一次 Tool Call，减少模型往返）；Online Context Compact（在子任务完成节点主动压缩上下文）；ObservationPack（巨大 Tool Result 只留索引、按需取回）；Evidence-Preserving Reducer（长日志先由便宜 Agent 压缩，同时逐条验证引用证据）。
实测效果：相比原始 Pi，Token 使用量降低 45%–49%、成本降低约 1/3，保留约 94% 平均任务得分；相比模型原生 Harness，Token 少 35%–64%、按 API 标价成本低 50%–54%。在 GPT-5.6 Sol 上，SoL-Pi 的 EdgeBench 得分甚至超过原生 Codex Harness。作者指出这一方向与 DeepSeek 的 Harness 思路正在趋同。
所属事件:NVIDIA 开源 SoL-Pi 为 Pi Agent 省 Token(2 条相关)→
「编程与Agent」频道最新
- 独立游戏开发者:AI 接管数百个变量维护,省下精力专注创作 — round · 2026-09-11
- CursorBench 4.0 发布:任务更难更长程,各家模型得分集体下降 — StringChaos · 2026-09-11
- 模型成本一变就重排 agent 流水线?多阶段路由信号怎么选 — Katleen_Cole · 2026-09-11
- 开发者大会演讲:从简单起步,逐步规模化应用编码Agent — therealdanvega · 2026-09-11
- OpenAI Agents API 会话跑在 Daytona 沙箱：外拨注册、零入站端口 — mattturck · 2026-09-11
- 95% 本地 AI + 5% GPT-6,篮球比赛全自动追踪流水线拆解 — TheMoonMidas · 2026-09-11