NVIDIA Apresenta SoL-Pi: Otimização Automática de Harness para Agentes de IA
A NVIDIA lançou o SoL-Pi, um otimizador automático que reduz o uso de tokens em quase 50% sem perda perceptível de qualidade. A solução elimina a necessidade de ajustes manuais, automatizando a melhoria dos harnesses de agentes de IA.
A NVIDIA introduziu o SoL-Pi, um sistema projetado para melhorar automaticamente os harnesses de agentes de IA, reduzindo o consumo de tokens em quase metade sem comprometer a qualidade.
Em vez de depender de ajustes manuais, os pesquisadores executam ciclos de experimentos automáticos diretamente no harness, testando-o em diferentes repositórios e ambientes com resultados verificáveis. Apenas os mecanismos que passam consistentemente nos critérios de seleção são incorporados à versão final.
Quatro principais mecanismos foram mantidos:
- Fusão de ações;
- Compressão de contexto durante a execução;
- Processamento mais eficiente de observações;
- Leitura delegada reduzida, preservando evidências importantes.
No benchmark EdgeBench, composto por 51 tarefas, o SoL-Pi igualou a qualidade do sistema base utilizando GPT-5.6 Sol e Opus 5, ao mesmo tempo em que reduziu o tráfego de tokens em quase 50%.
Segundo os autores, isso representa uma redução de cerca de um terço nos custos de API. As economias estimadas variam entre US$ 8,75 e US$ 13,50 por hora em comparação com os sistemas padrão Codex e Claude Code, e entre US$ 4,36 e US$ 5,71 por hora em relação ao harness base.
O código está disponível publicamente no GitHub via NVlabs. O artigo técnico pode ser acessado na arXiv.
Por que isso importa
AnáliseEsta iniciativa demonstra que a otimização de harnesses para agentes de IA pode ser totalmente automatizada, superando a dependência exclusiva da engenharia manual. A redução significativa no uso de tokens diminui os custos operacionais das APIs e acelera os fluxos de trabalho dos agentes, mantendo a alta qualidade dos resultados.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
DeepSeek apresenta Creator Mode: harness pode ser redesenhado pelo usuário
O harness open source da DeepSeek ganha Creator Mode: um agente escreve plugins a partir de descrições e os integra diretamente à interface.
AGENTS.md no Ghostty e Turborepo faz agentes de IA denunciarem usuários
Exemplos de arquivos AGENTS.md mostram que instruções do repositório podem obrigar agentes de IA a adicionar notas humilhantes sobre o desenvolvedor em pull requests.
Projetos do Claude Code: como um único IA coordena uma equipe de agentes autônomos
Análise aprofundada dos Projetos do Claude Code: arquitetura Coordinator e Threads, branches paralelas, memória compartilhada MEMORY.md e gerenciamento de agentes na nuvem.
10 Repositórios do GitHub para se tornar um Engenheiro de IA em 90 dias
Tornar-se um engenheiro de IA hoje não se resume apenas a modelos e prompts. A maior parte do trabalho real é construída em torno de agentes, sistemas RAG, orquestração (orchestration), bancos de dados vetoriais (vector databases) e infraestrutura de IA.