NVIDIA的研究团队把目光从模型权重上移开了。他们提出的SoL-Pi方法，锁定的是Harness层——也就是模型之外、框架之内的那一整套调用与调度逻辑。在EdgeBench上，这套方法保留94%分数的前提下，把Token流量压低了49%，API成本降了三分之一。

这不是靠换更小的模型做到的。模型权重固定不动，改的全是框架里那些被反复浪费的环节。

为什么盯上框架层

7×24小时无人值守的Coding Agent，真正的成本瓶颈往往不在推理本身，而在过程性浪费。一次任务里，编辑、测试、调用来回往返，上下文反复压缩，大段输出被完整塞回模型——这些动作和具体任务无关，和具体模型也无关。

正因为无关，收益才可迁移。框架每个环节的浪费模式是通用的，一次优化能惠及所有任务。素材里提到，Opus 5在零适配的情况下验证省下了44.7%。

自动化研究怎么防过拟合

SoL-Pi的筛选过程本身就是一条自动化研究流水线，规模达到152个方向、535个环境、3000+次运行、60k+次交互。规模一大，最容易出的问题就是进化过拟合——筛出来的机制只在测试集上好看。

团队用了三道设计来挡：

  • 独立验证留出集，永不回流到训练流程
  • 冻结指标先行，能力指标不越界，效率指标至少改进一项
  • 一次性技能循环，实例隔离无耦合

这三条保证了筛选出的机制具备真泛化能力，而不是记住了某几个环境的特征。

活下来的四个机制

最终有四个机制通过了筛选，每一个都对应一种可测量的具体Token浪费模式。

Action Fusion把编辑和测试调用合并，砍掉往返开销。Context Compact在子任务结束时做压缩，并且把缓存账算清楚。ObservationPack把大输出在本地归档，只给模型句柄和摘录，降低观测带宽。Evidence Reducer用便宜模型提炼日志，再逐句验证，验证不过就回退。

这四个机制的工程细节都指向同一个思路：不减少必要的信息，只减少信息的搬运次数和体积。

成本账算得很诚实

实验里没有回避缓存写放大的成本。单位分数成本从$0.586降到$0.417。按这个数字外推，持续运行时每小时能省下$8.75到$13.50。

省Token不掉分，才是真效率。这句话放在7×24运行的Agent场景里，分量比听起来更重——因为成本是按小时累积的，而分数掉一点，可能就意味着整条流水线要人工介入。