Durante años, la eficiencia significó mejores indicaciones o modelos más grandes y capaces. SoL-Pi cambia ese énfasis hacia la estructura alrededor del modelo: el arnés que planifica tareas, recopila observaciones, llama a herramientas, evalúa resultados y vuelve a solicitar indicaciones. Su idea central es la automatización: bucles recursivos de investigación automática generan diferencias en el arnés (por ejemplo, filtros de observación, profundidad de planificación, políticas de registro) y luego ejecutan pruebas controladas para conservar las mejoras. El resultado es un flujo constante de pequeñas mejoras que se acumulan en ahorros significativos. En agentes de codificación, esto se traduce en menos turnos y menos contexto desperdiciado, con aceleraciones en tiempo real y reducción de costos, sin necesidad de reentrenar o cambiar el modelo.

¿Por qué funciona esto? La mayoría de las pilas de agentes consumen tokens de formas evitables: indicaciones del sistema repetidas, esquemas de herramientas verbosos, diferencias de archivos reproducidas y registros de depuración que se filtran en las observaciones. SoL-Pi detecta estos patrones con sondas estructuradas y pruebas de ablación, luego propone alternativas: indicaciones delta en lugar de reproducciones completas, muestreo y redacción de registros, verificaciones de salida anticipada para casos triviales, profundidad adaptativa para planificación y búsqueda, y compresión de entrada/salida de herramientas. Estas optimizaciones reducen tanto el volumen de tokens como el número de pasos, disminuyendo la latencia mientras mantienen estables las tasas de éxito. En la práctica, el arnés se convierte en la capa de optimización que puedes iterar cada hora, no cada trimestre.

Para los equipos de ingeniería y producto, la implicación es operativa: trata el presupuesto de tokens, el presupuesto de pasos y las políticas del arnés como SLOs de primera clase. Añade contadores para tokens por paso, distribuciones de tamaño de observaciones y viajes de ida y vuelta en llamadas a herramientas; crea tareas canario y evaluaciones en sombra; y controla los despliegues con barreras en pass@k, riesgo de regresión y anulación humana. El beneficio para el CFO es directo: costos unitarios más bajos por ticket, PR o cambio fusionado; pero también mejora la confiabilidad, porque menos pasos significan menos formas de desviarse. El arte está en encontrar optimizaciones que se generalicen entre repositorios y tipos de tareas sin sobreajustarse a benchmarks o peculiaridades de un solo modelo.

SoL-Pi también replantea la estrategia de proveedores. La optimización fuera del modelo funciona bien entre distintos proveedores y versiones, extendiendo la vida útil de tu modelo actual y ganando tiempo para evaluar actualizaciones con un ROI más claro. Se combina perfectamente con las restricciones empresariales: limpieza de PII, redacción de políticas y trazas reproducibles, porque muchas ganancias provienen de decidir qué no enviar. Espera que este patrón se extienda: compiladores a nivel de arnés, minimizadores de esquemas y planificadores de observaciones que se sitúan entre agentes y herramientas, cerrando los ciclos de retroalimentación y haciendo que cada token cuente.