英伟达开源SoL-Pi：AI自我优化省64%Token

英伟达开源了自家Harness——SoL-Pi，基于Pi重造了一套效率增强层，让AI实现自我迭代优化。在这套自动化流水线中，AI自己当研究员，观察Agent工作流程，找出浪费Token的步骤，提出方案并测试。搜索从152个候选方向开始，最终留下四大架构机制。实测Token消耗最高省64%，API调用成本骤降50%-54%，专业研究场景下每小时可省8.75至13.5美元。安装仅需一行代码。

当前编程智能体任务越来越长，单次可持续数小时，不起眼的Token浪费不断累积：改完文件后模型还要多推理一轮；大文件已读过仍反复携带；几千行日志中真正影响决策的只有几行，昂贵模型却要通读。递归自我改进同样绕不开这笔开销。与底座Pi相比，SoL-Pi少用45%到49%的Token，成本低约三分之一，平均得分保留94%左右；与Codex、Claude Code原配Harness相比，Token少35%到64%，成本低50%到54%。

四大核心机制：一是动作融合，将编辑及后续命令封装进同一本地执行序列，省去中间模型决策环节；二是在线上下文压缩，将大任务拆为子任务，仅当未来节省开销能覆盖重写成本时才执行压缩；三是输出归档与索引，完整内容存本地磁盘，上下文只留短句柄和摘录，需要时按页召回；四是证据保留归约器，把长日志首遍阅读交给低成本模型，输出诊断回执后须与原始日志逐条核验，只有对得上的信息才交给前沿大模型。

这4个机制从152个想法中经三轮筛选存活，平均约40个才出1个。团队先搭535个可验证环境，让AI提出优化方向，再用历史轨迹估算收益淘汰无潜力方案，随后AI自己改代码跑实验并由Reviewer Agent挑刺，最后在隔离任务上验真。SoL-Pi背后是MIT副教授、英伟达研究总监韩松掌舵的Efficient AI团队。团队还埋下两个长线方向：闭环预训练，未来由Agent自己收集任务、搭环境、更新Harness；效率复利，用变省的Harness跑更大规模自动研究循环，形成成本压缩复利。