Nvidia presenta SoL-Pi, un sistema que reduce casi a la mitad el uso de tokens en agentes de codificación

Hecho Qué ha ocurrido
Investigadores de Nvidia desarrollaron SoL-Pi, un sistema que optimiza automáticamente el 'harness' (capa de control) entre modelos y agentes de codificación. Tras probar 152 enfoques en más de 3.000 ejecuciones sobre 535 entornos, la variante más eficiente reduce el uso de tokens en un 49% manteniendo el 93,7% del rendimiento del harness original Pi. Los autores estiman ahorros de entre 4,36 y 13,50 dólares por hora según la comparación, y los resultados se mantuvieron parcialmente al aplicarse a otro modelo (Opus 5) sin reentrenamiento.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra que optimizar la capa de orquestación de agentes puede reducir costes casi tanto como cambiar de modelo, abriendo una vía de ahorro complementaria a la reducción de precios de los LLM.
- Quién se ve afectado
- Equipos de desarrollo de software, empresas que operan agentes de codificación a escala y proveedores de infraestructura de IA agéntica.
- Qué puede cambiar
- Las empresas podrían empezar a optimizar el harness de sus agentes, no solo el modelo subyacente, como palanca de reducción de costes operativos en IA agéntica.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar si Nvidia u otros liberan estas técnicas de forma reutilizable, si se replican en benchmarks más variados, y si aparece 'pretraining' de harnesses como sugieren los autores.
Recomendación Qué debería hacer una empresa
Equipos que operan agentes de codificación en producción deberían evaluar en los próximos 6-12 meses técnicas de compactación de contexto y fusión de acciones similares para reducir costes de tokens.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗agentesLLMcoding NvidiaOpenAIAnthropicComposio agentes de IA coding Nvidia optimización de costes SoL-Pi
Relacionadas
NVIDIA impulsa IA local con nuevos modelos abiertos y agentes para desarrolladores
NVIDIA anunció en agosto de 2026 una serie de modelos abiertos y herramientas para ejecutar agentes de IA localmente. Destacan el modelo de código Qwen3.8-27B…
Por qué importaLa disponibilidad de modelos abiertos optimizados para ejecutar localmente reduce la dependencia de APIs en la nube y permite mantener datos…
OpenAI lanza GPT-5.5 en infraestructura NVIDIA GB200, utilizado por 10.000 empleados de NVIDIA
OpenAI ha presentado GPT-5.5, su último modelo frontera, ejecutándose en sistemas NVIDIA GB200 NVL72. Codex, la aplicación de agentes de código de OpenAI…
Por qué importaDemuestra la madurez de los agentes IA para tareas complejas de ingeniería y conocimiento, con evidencia interna de mejoras mensurables en…
NVIDIA Vera Rubin NVL72 alcanza 30x mayor eficiencia energética en cargas de trabajo agentic
NVIDIA anunció que sus sistemas Vera Rubin NVL72 alcanzan hasta 30x mayor rendimiento por megavatio que GB300 NVL72 en cargas de trabajo de IA agentic, según…
Por qué importaPara empresas que despliegan IA agentic en producción, la eficiencia energética se traduce directamente en rentabilidad: menos megavatios consumidos…
NVIDIA abre datos sintéticos para entrenar agentes de IA con 10 billones de tokens
NVIDIA ha publicado más de 10 billones de tokens de preentrenamiento y millones de muestras de post-entrenamiento como parte de Nemotron, incluyendo el…
Por qué importaLa liberación de datos sintéticos de alta calidad reduce la barrera para construir agentes de IA confiables sin exponer datos corporativos sensibles…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.



