Nvidia 开源 SoL-Pi：让编码智能体自己给自己省钱

凌晨三点，你的编码智能体还在干活。它改一个文件，跑一遍测试，读一遍报错，再改，再跑。第二天早上账单出来，数字停在 1339 美元。任务做完了，分数也不差，可这个价钱请一个外包工程师都绰绰有余。

2026 年 9 月底，Nvidia 把一套针对这个问题的方案开源了，名叫 SoL-Pi，MIT 协议。它回答的问题很直接：编码智能体烧掉的 token 里，有多少是真花在解题上，有多少纯属浪费。

它是什么

SoL-Pi 的本体是一层测试驱动的自动优化。模型不动，提示词不大改，它盯的是智能体跑任务的整个过程，把其中不产生价值的部分剪掉。剪掉的依据来自测试框架，每一轮改动都要过测试，省下的 token 必须换来不掉分的结果，否则这条优化不成立。

整套系统在 535 个环境里调出来，覆盖 152 个优化方向，跑了 3000 多次运行。工程量摆在这里，它已经不是几个小技巧的拼盘。

四种机制，各砍一段浪费

它的四种机制各管一段，从动作层一路管到记忆层。

• 动作融合：智能体经常重复做同类操作，把这些动作合并，少发几轮请求。
• 在线上下文压缩：上下文窗口边跑边瘦身，不等到塞爆才动手。
• ObservationPack：从终端输出到测试结果，观测流压缩成更小的形态再喂回模型。
• 证据保留归约器：删历史时有原则，结论和证据留下，过程性文本清掉，防止下一轮从头查起。

数字

评测用的是 EdgeBench，51 项任务，其中 11 项用于验证，40 项用于最终评估。官方口径如下。

• token 用量下降 44.7% 到 49%
• Pi 分数保留 93.7%
• 单一机制开到最强，还能带来 5.3% 的分数提升

省下的钱按小时算更直观。

• 对比原生 Codex 与 Claude Code：每小时省 8.75 到 13.50 美元
• 对比 Pi 这个已经做过优化的基线：每小时再省 4.36 到 5.71 美元
• 那张 1339 美元的账单，同样的活降到 894 美元

换个模型还行吗

团队用 GPT-5.6 Sol 构建整套优化流程，然后原样迁移到 Opus 5，效果保留 94.3%。这一点值得多看一眼，它优化的对象是流程本身，换模型不必从头调一遍。对同时维护多条模型线的团队来说，这个性质的实用价值可能超过省下的 token。

不全是好消息

评测里的三组结果参差，官方没有藏。

• Terminal-Bench 4：18 个任务完成 15 个，成本降 25%
• Lean4 奥数：6 个任务拿下 3 个，但拿下的都是最便宜的解法
• swarm 内核：成本降 26.8%，效果反而是几组里最好的

数学证明类任务的 token 密度太高，压缩空间天然有限，这个结果符合预期。把它当万能开关会失望，当默认可开的省钱层，多数场景成立。

为什么值得关注

智能体的成本结构里，token 是最大头。上游模型每一次提价或限速，都在放大流程浪费的代价。SoL-Pi 给出了一条上游之外的省钱路径，不改模型，改流程。

还有一层生意逻辑可以放在心里。Nvidia 不卖编码模型，它卖算力和工程能力。流程层开源出去，生态里跑的每一个编码智能体都更便宜、更快、更离不开 GPU。省钱和卖铲子，在这套方案里是同一件事。

回到凌晨三点那个场景。同样的活，账单从 1339 美元变成 894 美元，分数几乎没动。省下的 445 美元没有魔法，它只是把智能体每一次重复的弯路折了回去。智能体时代的成本战争，第一枪打在了流程层。