没换模型，token 少了一半：NVIDIA SoL-Pi 动的那层你天天在用

过去一年，想把 Agent 的账单压下去，来来回回就那几招：换便宜点的模型、等厂商降价、把 prompt 再抠一遍。抠完再看账单，确实降了，降得不多，而且过阵子又爬回去。

最近有一条反着走的路子摆到台面上：不换模型，不微调，不重训，token 流量掉下去接近一半。出处是 arXiv:2609.20519，2026 年 9 月 17 日提交，15 页，14 位作者，NVIDIA 联合 NTU 和 MIT 一起做的，代码以 MIT 协议开在 github.com/NVlabs/SoL-Pi。

这篇让我挪不开眼的不是省了多少，是它把刀口换了个方向。

烧钱的不是模型，是模型和环境中间那一层。

泼盆冷水：省钱的方向一直是错的

降本这件事，行业默认的发力点是模型本体。更快的 kernel、更狠的量化、更小的模型，每一轮都在同一个地方使劲。换便宜模型这条路短期确实有用，代价也清楚，能力一起打折，站内聊过的 Jev 就是走的专用模型这条路。

NVIDIA 这组人的做法是把目标从模型本体挪开，去看模型和外部世界之间的那段流程：任务怎么递给模型，工具产出怎么回到模型眼前，上下文怎么留着、怎么扔掉。

这一层过去几乎没人认真称过重量。称完的结果有点扎心：里面藏着接近一半的 token。

harness 到底是什么：发动机外面的那套标定

打个比方。模型是发动机，参数量决定马力上限。harness 是变速箱、油路和油门标定，决定你踩下去的那份油，有多少真的传到轮子上，有多少在传动途中变成了热量。

让 Agent 修一个 bug，它会先翻三个文件，跑一遍测试，看报错，再改一次。”读、跑、看、再改”的先后顺序，每次结果带回来多少字节，哪些内容留在窗口里，全是 harness 定的。

发动机不动，标定改一改，油钱能差出一倍。这就是 SoL-Pi 要啃的地方。站内之前写 DeepSeek Harness 时提过这一层的重要性，这次是有人把它量化成账单了。

让 AI 盯着 AI 干活：152 个方向是怎么筛出来的

论文全名叫 Recursively Scaling Auto-Research Loops for Efficient Agent Harness，做法倒比名字朴素：一个研究 Agent 盯着另一个 Agent 的完整执行轨迹看，从里面提出 harness 层的改法，自己搭起可执行环境去验证，跑通了留下，跑不通丢掉。

规模堆得很凶：535 个可执行环境，152 个探索方向，3000 多次运行，6 万次以上的 agent 与环境交互。任务来源也不糊弄，495 个来自配好对的 GitHub issue 和 PR，外加 40 个合成测试。

为了防止自己骗自己，他们把 EdgeBench 那 51 个公开任务整个隔离在搜索之外：抽 11 个做一次性验证，剩下 40 个锁死，只留给最终评测，成绩绝不回灌到搜索里。

还有一个更硬的旁证。用 GPT-5.6 Sol 搜出来的这套 harness，原封不动搬到 Opus 5 上，仍保留 94.3% 的 Pi 表现，节省幅度相当。这说明搜出来的东西不是过拟合在某颗模型上的巧合。让一条轨迹被另一双眼睛反复剖析，这套路和站内聊过的 Codex 多智能体算是近亲，目标从多干点活换成了少花点钱。

四个机制各治一种浪费：合并动作、归档大输出、可校验压缩、按计划压缩上下文

四个机制，各自专治一种浪费

最后留下四个，全部默认关闭，要显式 opt-in，并且都不去 patch Pi 的源码。它们各打一种具体的浪费。

Action Fusion：同一趟里顺手把活干完

编辑完了通常要跟一条校验命令，命令的结果又要送回模型那儿等下一步。这个机制允许在同一次工具调用里把后续校验带上，改完就跑测试，合成一步。它治的浪费叫空跑的那一趟：结果已经能拿到，却偏要再付一次往返。

ObservationPack：同一块内容只收一次钱

反复出现的大段文本，比如同一个文件被 dump 三次，会被换成稳定句柄，需要时按页精确召回。它治的浪费叫重复付费：同一份材料，模型按份买了三遍。

Evidence-Preserving Reducer：压对了才算数

长长的诊断日志交给便宜模型压成一张回执，省下主模型的输入。但验收卡得很死：压完之后，留下的每一句引用都必须能和归档原文逐字对上，对不上就作废，原始结果原样保留。它治的浪费叫为了省钱丢掉证据，而这一层丢证据的代价，比 token 贵得多。

Online Context Compact：够条件才压，到点不压

已完成的计划步骤要成为压缩候选，得同时过两道检查：这一步完成得是否经济，以及窗口压力是否真的到了。它治的浪费叫过早地扔东西。

四条共用规矩也值得记一下：不 patch Pi，必须显式 opt-in，压缩失败不改原文且本地仍可取，认证、provider、主模型和 shell 行为依旧归 Pi 管。

harness 带来的增益随上下文窗口增大而快速衰减（论文消融实验）

上手：一行命令，先开两个

SoL-Pi 是挂在开源 Pi 编码 Agent 上的独立扩展。README 里写着前置条件是 Node.js 22.19 或更新、npm、以及 @earendil-works/pi-coding-agent 0.85.1。

# 装 Pi 本体，版本卡死在 0.85.1
npm install --global @earendil-works/pi-coding-agent@0.85.1

# 装上 SoL-Pi，它作为独立扩展挂进 Pi
pi install git:github.com/NVlabs/SoL-Pi

# 只想让当前项目生效
pi install git:github.com/NVlabs/SoL-Pi --local --approve

有几个坑 README 里都不显眼。配置文件先找项目级的 .pi/sol-pi.json，而且要求该项目被标为受信任；找不到才去看全局的 ~/.pi/agent/sol-pi.json。两个文件不做合并，都没有就用内置默认值。改了全局配置却一直在等它生效，多半是项目里那个文件优先级更高。

先别贪多，从这份保守配置开始：

{
  "version": 1,
  "actionFusion": true,
  "observationPack": true,
  "evidencePreservingReducer": false,
  "onlineContextCompact": false,
  "cacheWriteReadRatio": 12.5
}

这两个本地机制不做额外模型调用，也不会中断正在跑的任务。

如果你是个人开发者，先只开上面这两个，跑几天看账单曲线。如果你在管团队成本，再把另外两个打开，并且照着对齐自己业务的评测跑一遍再定，别直接照搬 EdgeBench 的百分比。如果你本来就给着 128K 以上的大窗口，先把预期往下压一档，原因在下一节。

开发者自检这条链路 README 里给得很完整：npm ci --ignore-scripts，然后 npm run check，再 npm audit --audit-level=high，最后 node scripts/check-pi-compat.mjs。全开配置的校验脚本是 scripts/check-sol-pi-config.mjs --require-all-enabled。

这些数字该怎么读：看趋势，别当排行榜

评测在 EdgeBench 的 51 个任务上跑，用 GPT-5.6 Sol 和 Opus 5 两颗前沿模型。

效率版（四个机制全开）：token 少 49%，达到 Pi 分数的 93.7%。
性能版（只挑最强单机制）：分数反超 Pi 5.3%，同时还在省 token。
整体 token 降幅 44.7% 到 49.0%，API 成本降约三分之一。
相比原生 Codex 和 Claude Code harness，便宜 50% 与 54.3%。
折成现金：对比原生 harness，一小时省 8.75 到 13.50 美元；对比 Pi 基线，一小时省 4.36 到 5.71 美元。一次完整测试的总成本从 1339 美元降到 894 美元。

得补一句：以上全部是厂商自己公布的跑分，目前还没有第三方复现。看趋势，别当排行榜。