El 26 de septiembre de 2026, THE DECODER detalló un sistema de investigadores de Nvidia llamado SoL-Pi: en lugar de comprimir el modelo, optimiza el harness —la capa de control entre el modelo y el entorno que usan sistemas como Codex o Claude Code—. El hallazgo central es económico: menos tokens por tarea con rendimiento similar en el benchmark reservado EdgeBench.
SoL-Pi automatiza lo que suele hacer un ingeniero humano con traces largos: un agente de investigación observa ejecuciones, propone cambios de harness y solo conserva candidatos que mantienen capacidad mientras bajan coste. Los autores enmarcan el enfoque en bucles de auto-mejora recursiva, con una separación estricta entre búsqueda y evaluación final.
En 535 entornos ejecutables exploró 152 direcciones —495 tareas derivadas de pares issue–PR de GitHub y 40 casos sintéticos—, generando más de 3.000 runs y más de 60.000 interacciones agente–entorno. Más búsqueda no garantiza mejor generalización; por eso EdgeBench se aisló del bucle de búsqueda.
De las 51 tareas públicas de EdgeBench, 11 validaron candidatos terminados una sola vez; 40 se reservaron para evaluación final sin realimentar la búsqueda. Ese muro metodológico es tan importante como el porcentaje de ahorro: evita el sobreajuste que ha plagado harnesses auto-optimizados en trabajo previo.
Cuatro mecanismos sobrevivieron. Action Fusion fusiona dos pasos consecutivos (por ejemplo editar código y lanzar test) en una sola llamada al modelo. Online Context Compact recorta contexto acumulado tras cada planificación cuando puede hacerlo sin perder información crítica. ObservationPack archiva salidas largas de herramientas y reinyecta un resumen. Evidence-Preserving Reducer envía logs voluminosos a un modelo más barato que extrae hallazgos clave con verificación automática.
En EdgeBench, la variante que combina los cuatro mecanismos usa un 49% menos de tokens y alcanza el 93,7% del score de Pi. Quienes priorizan rendimiento y eligen solo el mecanismo más fuerte superan a Pi en un 5,3% ahorrando tokens igualmente. El rango agregado citado es 44,7–49% menos tokens.
En dólares, los autores estiman ahorros del orden de 8,75–13,50 USD por hora frente a harnesses nativos de Codex y Claude Code, y 4,36–5,71 USD/h frente a Pi, según precios de API del momento del estudio. Una configuración eficiente bajó un coste de ejemplo de 1.339 a 894 USD con score ligeramente inferior.
El sistema se construyó con GPT-5.6 Sol y luego se aplicó sin cambios a Opus 5, reteniendo el 94,3% del rendimiento de Pi con ahorros similares, aunque los mecanismos se dispararon con menos agresividad —señal de que el harness quedó sesgado a las trayectorias de Sol.
Fuera de EdgeBench el cuadro es más mixto. En 63 tareas CPU de Terminal-Bench 4, SoL-Pi resolvió 15 frente a 18 de Codex y Pi, aún ~25% más barato que Pi. En tareas Lean 4 del IMO 2026, resolvió tres de seis al menor coste por problema resuelto. Un enjambre de 20 workers SoL-Pi en optimización de kernels recortó 26,8% el coste frente a un enjambre Pi comparable.
Hay trade-offs: contextos más cortos pueden reducir el reuso de prompt cache. La compresión de contexto, advierten trabajos citados en la cobertura, puede preservar solo una fracción de las instrucciones del usuario. Más subagentes en paralelo tampoco es gratis: pueden gastar tokens revisándose entre sí.
Neural Pulse lee SoL-Pi como evidencia de que el cuello de botella de coste de agentes ya no es solo el precio por token del modelo frontier. El harness —cómo se empaquetan observaciones, se fusionan acciones y se resume evidencia— puede mover la factura casi tanto como cambiar de modelo.
Para equipos de producto, la implicación es medible: instrumentar traces, separar benchmarks de búsqueda y evaluar transfer a modelos distintos antes de celebrar un «50% menos tokens» en un solo harness de laboratorio.
El paper no afirma un milagro de razonamiento matemático ni un premio Clay; afirma eficiencia de control bajo evaluación retenida. Esa honestidad metodológica merece copiarse en comunicados comerciales que a menudo mezclan score y coste.
Cierre: mientras OpenAI pausa workloads con herramientas por seguridad, Nvidia muestra otra cara de la misma era agente —la guerra por el token inútil. Quien gane en harness puede desplegar más agentes con el mismo presupuesto, o el mismo trabajo con menos factura.
