Los agentes codificadores ahora funcionan durante horas, no minutos. Cada edición, ejecución de prueba y lectura de registro vuelve al contexto del modelo. Un equipo de investigadores de NVIDIA, NTU y MIT ha lanzado SoL-Pi, un conjunto de cuatro mecanismos de eficiencia para el agente de codificación Pi de código abierto. Una IA encontró estos mecanismos ejecutando bucles de investigación automática en la capa del arnés. En la evaluación EdgeBench de 51 tareas, SoL-Pi reduce el tráfico de tokens registrado entre un 44,7% y un 49,0% en comparación con Pi y reduce el costo de API en aproximadamente un 33%. Sus puntuaciones se mantienen cercanas a Pi tanto en GPT-5.6 Sol como en Opus 5.
¿Es desplegable? Sí. SoL-Pi se envía en GitHub bajo NVlabs como una extensión con licencia del MIT que se ejecuta en una versión de Pi sin modificaciones. Está probado con Pi 0.85.1 y Node.js 22.19 o posterior.
¿Por qué apuntar al arnés?
La mayor parte del trabajo de eficiencia reduce el costo por token a través de núcleos más rápidos, cuantificación o modelos más baratos. En cambio, SoL-Pi reduce la cantidad de tokens que consume una tarea. El arnés es la capa que maneja las llamadas a herramientas, el contexto, las observaciones y la delegación.
Ajustar un arnés a mano es lento y sus partes están acopladas: una reparación en un lugar puede aumentar el costo en pasos posteriores. Meta-Harness y sistemas similares automatizan este trabajo. Sin embargo, un estudio reciente encontró que los arneses evolucionados pueden adaptarse demasiado a sus tareas de búsqueda y proporcionar sólo ganancias marginales en las que no se ven.
Cómo funciona la búsqueda
Una IA de investigación observa los rastros de ejecución de un agente independiente que ejecuta la base Pi. Luego propone cambios de arnés y los prueba. La búsqueda cubrió:
152 direcciones propuestas en 6 familias: contexto, progreso, herramientas, delegación, aviso y política, y mejora y evaluación 535 entornos ejecutables: 495 creados a partir de pares de solicitudes de extracción y emisión de GitHub y 40 tareas sintéticas con verificadores ejecutables Más de 3000 ejecuciones y más de 60 000 interacciones agente-entorno
Cada búsqueda es un bucle aislado y desechable. Sigue el ciclo de investigación automática, ampliado con un paso de implementación de Ralph Loop y un revisor independiente.
Las reglas de aceptación se fijan antes de que comience la búsqueda y el optimizador no puede cambiarlas. Cada métrica de capacidad debe permanecer dentro de una tolerancia predeclarada. El candidato también debe mejorar al menos 1 métrica de eficiencia. EdgeBench se mantiene firme. De sus 51 tareas públicas, 11 se utilizan para la aceptación unidireccional de candidatos congelados y 40 para la evaluación final. Los resultados retenidos nunca retroalimentan la búsqueda.
Los 4 mecanismos que sobrevivieron
Action Fusion: Base Pi a menudo edita un archivo y luego emite un comando separado para probarlo, compilarlo o ejecutarlo. Action Fusion fusiona ambos en 1 solicitud de herramienta y devuelve ambos resultados en 1 observación. Esto elimina un modelo de ida y vuelta. Pacto de contexto en línea: los pasos del plan se rastrean a través de update_plan. Cuando se completa un paso, el arnés estima cuántas solicitudes quedan. Luego compara los ahorros de entrada proyectados con el costo adicional de reescribir el caché de avisos. Invoca la compactación nativa de Pi cuando esta puerta pasa o cuando el contexto se acerca al límite de la ventana. ObservationPack: los resultados de las herramientas superiores a 10 KiB se archivan localmente y se envían en su totalidad para las siguientes 2 solicitudes del proveedor. A partir de la tercera solicitud, el modelo ve un mango estable, el tamaño original y un breve extracto de las líneas de la cabeza y la cola. Las páginas exactas siguen siendo recuperables a través del asa. Reductor que preserva la evidencia: los registros de compilación y prueba de al menos 4 KiB van a un modelo más económico, GPT-5.6 Luna en altura, que escribe un recibo compacto. Un verificador determinista verifica el esquema del recibo, el hash de origen, el estado de salida, las cotizaciones exactas y el tamaño. El arnés vuelve al registro original en 3 casos: la verificación falla, se sospecha de las credenciales o el recibo no es menor.