Nvidia-Gerüst spart Coding-Agenten laut Studie fast die Hälfte der Token
Forschende von Nvidia, der Nanyang Technological University und dem MIT haben am 17. September 2026 SoL-Pi veröffentlicht: vier Erweiterungen für das Agenten-Gerüst Pi, gefunden von einem automatischen Forschungsagenten. Auf 51 EdgeBench-Aufgaben sinkt der TokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen →-Verbrauch mit GPT-5.6 Sol und Claude Opus 5 um 45 bis 49 Prozent, die Punktzahl um rund sechs Prozent.
✓ Aussagen gegen die Quellen geprüft · 26. September 2026
Das Team verbesserte nicht das Modell, sondern den HarnessDie Gerüst- bzw. Steuerungsschicht um ein Modell herum: der Code, der Werkzeuge anbindet, den Loop führt, Sub-Agenten spawnt und Ergebnisse einsammelt. Faustregel: oft bringt ein engerer Harness mehr als ein klügeres Modell.Mehr im Wissen →: Ein Forschungsagent wertete die Protokolle anderer Agenten aus, schlug Änderungen vor und ließ sie in rund 500 Umgebungen testen, verteilt auf über 3.000 Läufe. Behalten wurde nur, was die Kosten senkte, ohne die Leistung zu drücken. Welches Modell als Forschungsagent diente, nennt das Paper nicht.
Übrig blieben vier Mechanismen. Eine Dateiänderung und der folgende Befehl gehen in einer Anfrage hinaus. Der Kontext wird nur verdichtet (CompactionNähert sich ein Gespräch der Fenstergrenze, fasst Compaction die bisherige Historie zu einer Zusammenfassung zusammen und führt damit fort – bewusst so gebaut, dass wichtige Entscheidungen erhalten bleiben. Anders als /clear (das alles verwirft) bewahrt es den roten Faden. Auslösbar über /compact.Mehr im Wissen →), wenn die erwartete Ersparnis die Kosten des Umschreibens übersteigt. Große Werkzeug-Ergebnisse ersetzt nach zwei Anfragen ein Verweis mit einem Auszug von einem Kilobyte. Build- und Testprotokolle fasst ein günstiges Modell zusammen, mit deterministischer Prüfung und Rückfall auf das Original.
Mit GPT-5.6 Sol sank die Rechnung für den gesamten Benchmark-Lauf von 1.339 auf 894 Dollar, die Punktzahl von 44,8 auf 42,0. Mit Opus 5 fielen die Kosten von 1.741 auf 1.158 Dollar, die Punktzahl von 44,8 auf 42,2. Die Autoren nennen das vergleichbar; es sind 94 Prozent der Ausgangsleistung. Codex erreichte mit GPT-5.6 Sol 34,7 Punkte für 1.787 Dollar, Claude Code mit Opus 5 43,7 Punkte für 2.535 Dollar. Eine auf Leistung ausgelegte Variante kam mit GPT-5.6 Sol auf 47,2 Punkte.
EdgeBench stammt von ByteDance Seed, offen sind 51 der 134 Aufgaben. Auf Terminal-BenchAusführungsbasierter Benchmark (0–100 %): das Modell löst echte Shell-/Terminal-Aufgaben in einer Sandbox, gewertet wird, ob das Ergebnis wirklich funktioniert. Dadurch kontaminationsärmer als reine Wissensquizze.Mehr im Wissen → 4 löste SoL-Pi 15 von 63 Aufgaben, Pi 18. Die Stundenersparnis von 8,75 bis 13,50 Dollar gegenüber Codex und Claude Code nennt das Paper, ohne die Rechnung offenzulegen. Den Code hat Nvidia unter MIT-Lizenz auf GitHub gestellt.