Nvidia 發表 SoL-Pi 系統：自動最佳化 AI 代理控制層，維持效能並減少近 50% Token 消耗

據報導，Nvidia 研究人員發表 SoL-Pi 系統，透過自動最佳化 AI 代理與環境間的控制層（harness），在維持相近效能下將 Token 消耗減少達 49%。 該系統利用研究代理觀察其他代理的執行軌跡並測試變更，最終找出四項節省 Token 的機制：合併連續步驟的 Action Fusion、動態修剪資訊的 Online Context Compact、總結長工具輸出的 ObservationPack，以及將錯誤日誌交由低成本模型濃縮的 Evidence-Preserving Reducer。 在 EdgeBench 的 51 項公開任務中，結合四項機制的 SoL-Pi 減少了 49% 的 Token 使用量並達到原始 Pi 控制層 93.7% 的分數；依當前 API 價格估算，相較於原生的 Codex 與 Claude Code 控制層，每小時可節省 8.75 至 13.50 美元。 研究團隊僅使用 GPT-5.6 Sol 構建該系統，將其直接應用於 Opus 5 時，仍保留 94.3% 的效能與相近的成本節省，但觸發頻率較低。 在其他評測中結果則存在分歧：於 Terminal-Bench 4 的 63 項 CPU 任務中，SoL-Pi 僅解決 15 項（Codex 與 Pi 皆為 18 項），但總成本降低約 25%；在 2026 年數學奧林匹亞（IMO 2026）的 Lean 4 任務中，則以最低成本解出 6 題中的 3 題。 研究人員指出，較短的上下文會降低提示快取（prompt cache）的重複利用率，但在一項測試中，總成本依然從 1,339 美元降至 894 美元。