英伟达紧随OpenAI之后，也推出了重大开源项目——SoL-Pi。

这一系统以Pi为基础平台，在其上构建了一套Harness效率增强层，使AI能够实现自我迭代与优化。

在这套高度自动化的流程中，AI扮演了研究员的角色。它们观察Agent的操作过程，识别出那些浪费Token的步骤，提出改进方案并修复漏洞，随后将方案提交进行测试。

AI从152个候选方向出发进行搜索，最终筛选出四种核心架构机制。

实际测试的结果令人惊讶：Token消耗最高可减少64%，API调用成本下降了50%至54%。

在专业研究场景下，每小时可直接节省8.75美元至13.5美元。英伟达此举相当于将AI成本优化的开关开放给了公众。

安装过程非常简单，只需一行代码：「pi install git:github.com/NVlabs/SoL-Pi」，即可将其部署到现有的Pi系统上。

Codex高速运行，但半数Token可能空转

在让AI进行递归自我改进之前，能否先让它降低自我改进的成本？Harness，即模型运行时使用的整套框架，被认为是当前最佳的解决方案。

模型负责推理，而Harness负责整合工具、上下文、执行反馈和任务流程，使模型能够读取文件、修改代码、运行测试，并根据结果继续行动。

同一模型在不同Harness中的运行效率可能差异显著。

当前的问题在于，编程智能体的任务正变得越来越复杂。从补全几行代码，到跨仓库修复问题，再到长时间自主工作，单次任务可能持续数小时。此时，一些平时不明显的Token浪费会逐渐累积。

例如，修改完文件后，下一步明明是运行测试，模型却仍需进行一次推理。一个已读取的大文件，在后续请求中仍被反复携带。在数千行日志中，真正影响决策的可能只有几行，但昂贵的模型却不得不从头读取。

递归自我改进（RSI）同样无法避免这种开销。AI每次尝试改进系统都需要消耗Token，失败的方案也不例外。SoL-Pi的出现正是为了解决这一问题。

最终结果显示，与基础Pi相比，SoL-Pi减少了45%至49%的Token使用，成本降低了约三分之一，平均得分保留了约94%。与Codex和Claude Code原生的Harness相比，Token使用量减少了35%至64%，标价成本降低了50%至54%。

SoL-Pi是如何实现如此出色表现的？这需要详细拆解其四大核心机制。

AI自我进化，四大策略登场

英伟达的流程最终保留了四种机制，这些机制精准地针对重复性劳动。

第一层：动作融合，一次调用完成编辑与验证

Action Fusion直接针对的是两次工具调用之间多余模型决策环节。在基础Pi的运行轨迹中，最常见的序列是修改文件、接收结果，然后再调用命令进行测试或构建。既然后续命令已经非常明确，那么中间这轮模型的“一来一回”就有了巨大的压缩空间。

Action Fusion将一次编辑及其后续命令封装在同一个本地执行序列中。Harness在底层完成修改和命令运行，再将合并后的结果一次性返回。测试照常执行，结果正常获取，但中间那轮模型请求被成功省去。这相当于将两次分散的请求合并为一次高效的闭环操作。

第二层：在线上下文压缩，按子任务动态核算成本

Online Context Compact解决的是“何时触发压缩”这一核心痛点。上下文越长，历史材料越容易变成算力与资金负担。但压缩也有代价：重写上下文可能会打断已有的KV-cache复用，需要重新支付处理成本。因此，过早压缩未必省钱，过去的策略往往是将压缩动作尽量推迟。

SoL-Pi重构了判断时机。它将大任务拆分为子任务，每完成一步，就重新进行评估。其核心逻辑在于精准计算：只有当“未来预计省下的开销”能够覆盖“本次重写的成本”时，系统才会真正执行压缩操作。

第三层：输出归档与索引，大块文件按需召回

ObservationPack专门处理大段工具输出造成的“重复计费”问题。一个大文件或一份超长结果，首次读取后如果一直滞留在上下文里，后续每一轮请求都会原样携带它，持续消耗缓存资源。

SoL-Pi的做法是将完整内容直接归档到本地磁盘，上下文里只留一个稳定的短句柄和一小段摘录。这就像读完长篇报告后，直接把原件存档，手边只留索引和关键摘要。模型需要查阅细节时，直接根据索引按页取回即可。

第四层：小模型初筛日志，引入严格的证据核验机制

Evidence-Preserving Reducer的核心，是将长日志的第一遍阅读委派给成本更低的模型。构建和测试日志动辄上万字，真正影响下一步决策的往往只有几行报错。让前沿大模型每次通读全文成本极高；而直接交给小模型总结又容易引入幻觉。

SoL-Pi在中间加了一道严格的防线——证据核验。辅助模型读完日志后，必须输出一份紧凑的诊断回执。系统会拿着这份回执，逐条与归档的原始日志进行比对。只有严丝合缝对得上的原文，才会被放行交给前沿大模型。这确保了主模型只接收被证实的信息，从源头上切断了误差传导。

152个点子筛选，仅留下4个

为什么是这4个机制？这就要说到英伟达真正的野心，RSI（递归自我改进）。既然AI能改代码，也应该能改造“生产AI的系统”。但RSI太烧钱，每一次试错都要付Token费。于是英伟达换了个目标——先别急着让AI更聪明，先让它更省钱。

相比直接追分，Token效率更难作弊。刷任务分数很容易过拟合，给特定题目写规则就行；但删重复上下文、压缩工具输出、合并无效决策，这些优化能迁移到不同任务和模型。

于是，一条“Agent研究Agent”的流水线启动了：团队先搭出535个可验证环境，再让AI提出152个优化方向，随后经过三轮筛选——先用历史轨迹估算收益，没潜力的直接淘汰；再让AI自己改代码、跑实验，并由Reviewer Agent挑刺；最后冻结方案，在完全隔离的held-out任务上验真，能力不能掉，效率必须涨。

152个想法，最终只活下来4个，平均约40个才能出1个。于是SoL-Pi的核心方法也逐渐清晰：让AI大量提出假设，再自动实验、淘汰、验证，把真正有效的少数机制筛出来。

让RSI飞轮自行运转

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。对他们来说，SoL-Pi当前省下了多少Token开销，不过是一个阶段性注脚。他们真正看重的，是这条“AI研究AI”的飞轮还能转多大。

在官方项目主页中，团队还埋下了两个极具野心的长线伏笔：

一个是“闭环预训练”（Pretraining the harness）。 目前的535个环境依然是人工构建的，未来将由Agent自己去全网收集任务、搭环境、验证、更新自己的harness。算力和环境多样性一旦拉升，harness很可能也会跑出属于自己的Scaling Law。

另一个是“效率复利”（Efficiency for efficiency）。 用变省了的harness，去跑规模更大、成本更低的自动研究循环，进而找出更高效的机制，形成成本压缩的复利效应。

在这个飞轮里，人只负责在初期提供先验方向；一旦进入循环，从研究到验证全程零干预；等AI把机制跑通了，人再回来搞清楚AI到底发现了什么，并将机器生成的粗糙代码重构成符合工业标准的版本。

现在，模型的Scaling Law各家还在争论不休；但Harness的Scaling Law，已经有人开始抢跑了。而那个在赛道上狂奔的，是AI自己。

参考资料： https://nvlabs.github.io/SoL-Pi/ https://github.com/NVlabs/SoL-Pi https://x.com/MaxForAI/status/2098050525279478059 本文来自微信公众号“新智元”，作者：ASI启示录，编辑：桃子 摩西，36氪经授权发布。