英伟达震撼开源Harness！AI自己爆改AI

OpenAI之后，老黄也出手了！

终于，英伟达重磅开源了自家的Harness——SoL-Pi。

它把Pi作为底盘，基于此重造了一套Harness效率增强层，让AI实现自我迭代、优化。

在这套严苛的自动化流水线中，AI自己也当上了研究员。

它们观察Agent怎么干活，找出哪些步骤在白白烧Token，提出方案、修改bug，再把方案送进测试。

AI的整个搜索从152个候选方向开始，最终留下了四大杀手级架构机制。

实测结果，令人咋舌——

Token消耗最高省64%，API调用成本骤降50%-54%。

GitHub传送门：https://github.com/NVlabs/SoL-Pi

在专业的研究场景下，每小时可直接省下8.75美元至13.5美元。英伟达，把AI省钱的开关开源了。

配置非常简单，仅需一行代码：「pi install git:github.com/NVlabs/SoL-Pi」，即可装到现有的Pi上。

Codex狂飙代码

一半Token却在空转

在让AI递归改进自己之前，能不能先让它把自我改进的账单打下来？

Harness，模型干活时使用的整套运行框架，是当下最好的解。

模型负责推理，Harness负责把工具、上下文、执行反馈和任务流程组织起来，让模型能够读文件、改代码、跑测试，并根据结果继续行动。

同一个模型，放进不同的Harness里，做事效率可能差出一截。

当前的问题在于，编程智能体的任务越来越长。

从补几行代码，到跨仓库修复问题，再到长时间自主工作，单次任务可以持续数小时。

这时候，一些平时不起眼的Token浪费，会不断累积。

改完文件，明明下一步就是跑测试，模型还要再推理一轮。一个大文件早已读过，后续请求仍在反复携带它。

几千行日志里，真正影响决策的可能只有几行，昂贵的模型却要从头读起。

递归自我改进（RSI），同样绕不开这笔开销。AI每尝试改进一次系统，都要花Token。失败的方案，也照样收费。

SoL-Pi的出现，要解决的就是这件事。

最终结果显示，和底座Pi相比，SoL-Pi少用45%到49%的token，成本低大约三分之一，平均得分保留94%左右。

和Codex、Claude Code原配的harness相比，token少35%到64%，标价成本低50%到54%。

这么惊艳的表现，SoL-Pi是如何做到的？这就不得不详细拆解下，它的核心四大机制了。

AI卷自己进化，四个大招来了

英伟达的流水线最终留下了四个机制，刀刀避开主干，专治重复劳动。

第一层：动作融合，一次调用完成编辑与验证

Action Fusion直击的是两次工具调用之间，那段多余的模型决策环节。

在基础Pi的运行轨迹里，最常见的序列是修改文件、收到结果，然后再调用命令去测试或者构建。

既然后续命令已经非常明确，中间这轮模型的「一来一回」就有了极大的压缩空间。

动作融合将一次编辑及其后续命令保留在一个本地序列中，省去了中间的模型决策环节

Action Fusion直接把编辑和后续命令封装进同一个本地执行序列。

Harness在底层完成修改、运行命令，再把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。

这相当于把两次分散的请求，合并为了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。

但压缩也是有代价的：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，过去的策略往往是把压缩动作尽量推迟。

在线上下文压缩将已完成的子任务视为潜在的压缩点，然后等待后续请求能够偿还重写成本时再执行

SoL-Pi重构了判断时机，它把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。

ObservationPack用稳定的句柄取代了重复的完整输出，同时保留原始内容以便分页召回

SoL-Pi的做法是把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，是把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；可直接交给小模型去总结，又容易引入幻觉。

证据保留归约器仅在可对照存档日志核验其证据时，才接受紧凑的诊断回执

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个点子厮杀，只留下4个

为什么是这4个机制？这就得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，自己转起来

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。

在官方项目的主页中，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

编辑：桃子 摩西