Nvidia论文SoL-Pi：AI自动优化Agent流程，Token消耗减半

SoL-Pi：让 AI 自动研究怎么给 AI 省钱，结果省了一半 token

来自 Nvidia 团队最新论文，团队发现 coding agents 正走向无人值守的 7×24 自主运行，单任务动辄 2–12 小时，token 消耗成为规模化的第一瓶颈，做递归自我改进（RSI）时成本更是指数级放大。

SoL-Pi 的核心命题：优化 harness 层，非模型层。模型权重动不了，而框架每个环节的“过程性浪费”与任务无关，一旦优化，收益可迁移到所有任务。

论文地址：https://arxiv.org/abs/2609.20519

方法：一个自动化的研究流水线

用 AI 研究流程自动发现了这四个技巧，整个搜索规模： · 152 个研究方向，分六大家族（上下文、进度、工具、委派、提示策略、评估方法） · 535 个可执行训练环境（495 个从 GitHub issue–PR 对挖掘，40 个由验证器反向构造） · 3000+ 次运行、60,000+ 次智能体-环境交互 · 最终只有 4 个机制存活，约 40 选 1 的淘汰率

三个方法论设计： 1. 独立验证：留出集（EdgeBench 51 个任务中的 11 个）只在候选机制冻结后评估一次，评估结果永不回流到搜索过程，这是防止“进化过拟合”的关键。 2. 先冻结、后评估的验收门：能力指标和容差在搜索开始前就固定死，候选方案必须在所有能力指标上不越界、且至少改进一个效率指标。“少干活省下的钱”一律不收。 3. 一次性技能循环：每个实验实例化一份独立模板、用完即弃，避免候选方案之间的失败耦合。

存活下来的四个机制

每个机制都针对一种具体的、可测量的 token 浪费模式： 1. Action Fusion：编辑+测试合并为一次调用，砍掉一轮模型往返 2. Context Compact：子任务完成时才压缩，且先算清“省的是否够付缓存重写” 3. ObservationPack：大输出本地归档，只给模型句柄+头尾摘录，按需取回 4. Evidence Reducer：日志交给便宜模型提炼，但每句引用都验证，不符即回退

实验结果：省钱不省事

EdgeBench 51 个长时程任务：SoL-Pi 保留约 94% 的分数，token 流量砍近一半（−49%），API 成本降约三分之一。跨到 Opus 5 零适配，收益几乎不打折（省 44.7%），证明优化的是“浪费模式”而非模型习惯。

最有说服力的两点：一是缓存账算得诚实，压缩破坏缓存前缀，cache 写流量翻倍，但总成本仍下降；二是用“每单位分数成本”衡量，$0.417 vs Pi 的 $0.586，省 token 不掉分才是真效率。

外推到持续运行：比原生 Codex/Claude Code 每小时省 $8.75–$13.50。