NVIDIA-ի SoL-Pi համակարգը գրեթե կրկնակի կրճատում է կոդ գրող գործակալի token ծախսը

NVIDIA-ի հետազոտողները ստեղծել են SoL-Pi համակարգը, որն ինքնաշխատ լավարկում է harness-ը՝ մոդելի և միջավայրի միջև ընկած կառավարման շերտը, որի վրա աշխատում են Codex, Claude Code և OpenClaw գործակալները։ Սեպտեմբերի 17-ին arXiv-ում հրապարակված և The Decoder-ի անդրադարձած հոդվածի համաձայն՝ լավարկված harness-ը պահպանում է համադրելի արդյունք՝ միաժամանակ token-ների հոսքը կրճատելով 44,7-49%-ով, իսկ API ծախսը՝ մոտ մեկ երրորդով։

Թիրախն այլևս մոդելը չէ

Արդյունավետության աշխատանքները սովորաբար ուղղված են հենց մոդելին՝ attention-միջուկներին կամ քվանտացմանը։ SoL-Pi-ն փոխարենը փոխում է այն, թե ինչպես է գործակալը տեսնում վիճակները, կատարում գործողությունները և մշակում հետադարձ կապը։ Հետազոտող AI-ը կարդում է բազային harness-ի վրա աշխատող գործակալի հետքերը, առաջարկում փոփոխություններ և ստուգում դրանք պատրաստված միջավայրերում. թեկնածուն մնում է միայն այն դեպքում, երբ չի գերազանցում նախապես հայտարարված շեմը և բարելավում է արդյունավետության չափիչ։

Որոնումն ընդգրկել է 152 ուղղություն վեց ընտանիքում՝ կոնտեքստ, գործիքներ, պատվիրակում և գնահատում, 535 գործարկվող միջավայրում՝ ավելի քան 3000 գործարկում և 60 000 փոխազդեցություն։

Չորս մեխանիզմ

Չորս մեխանիզմ մնացին. Action Fusion-ը միավորում է երկու հաջորդական քայլ մեկ քայլի մեջ և վերացնում է մոդելի մի ամբողջ կանչ։ Online Context Compact-ը կրճատում է կոնտեքստը յուրաքանչյուր պլանավորման քայլից հետո, եթե կարևոր բան չի կորչում։ ObservationPack-ը արխիվացնում է գործիքների երկար արդյունքները և հաջորդ քայլերում ուղարկում է կարճ ամփոփում։ Evidence-Preserving Reducer-ը սխալների ու թեստերի մատյանները փոխանցում է էժան մոդելի, որը քաղում է հիմնականը։

EdgeBench-ում բոլոր չորս մեխանիզմներով տարբերակը ծախսում է 49%-ով պակաս token և հասնում Pi-ի արդյունքի 93,7%-ին, իսկ API ծախսը Codex-ի համեմատ նվազում է 50,0%-ով, Claude Code-ի համեմատ՝ 54,3%-ով։ Ամենաուժեղ մեկ մեխանիզմով տարբերակը գերազանցում է Pi-ին 5,3%-ով։ Մեկ գործարկման ծախսը 1339 դոլարից իջել է 894 դոլարի։ Հեղինակների գնահատմամբ՝ ժամային խնայողությունը Codex-ի և Claude Code-ի համեմատ 8,75-13,50 դոլար է, Pi-ի համեմատ՝ 4,36-5,71 դոլար։

Համակարգը կառուցվել է միայն GPT-5.6 Sol-ով, ապա առանց փոփոխությունների կիրառվել Opus 5-ի վրա և պահպանել Pi-ի արդյունքի 94,3%-ը՝ նույն խնայողությամբ. մեխանիզմները պարզապես ավելի հազվադեպ են գործարկվել։

Այլ բենչմարկներում պատկերը խառն է

Terminal-Bench 4-ի 63 CPU առաջադրանքներից SoL-Pi-ն լուծել է 15-ը, Codex-ը և Pi-ն՝ 18-ական, սակայն ծախսը մնացել է մեկ քառորդով ցածր։ IMO 2026-ի ստուգված Lean 4 առաջադրանքներում համակարգը լուծել է վեցից երեքը, իսկ 20 աշխատողներից բաղկացած SoL-Pi խումբը միջուկների լավարկման ծախսը կրճատել է 26,8%-ով։

Կոնտեքստի կրճատումն էլ գին ունի. The Decoder-ի փոխանցմամբ՝ առանձին հետազոտությունը պարզել է, որ սեղմումը միջինում պահպանում է օգտատիրոջ հրահանգների ընդամենը 17%-ը։