엔비디아 SoL-Pi, 하네스 최적화로 코딩 에이전트 토큰 사용량 절반 가까이 절감
엔비디아 연구진이 코딩 에이전트의 제어 계층인 '하네스(harness)'를 자동 최적화하는 SoL-Pi 시스템을 발표했습니다. 이 시스템은 4가지 최적화 메커니즘을 통해 토큰 사용량을 최대 49% 줄이면서 성능은 기존 수준을 거의 유지합니다. 모델 자체가 아닌 에이전트 운영 계층에서 비용을 절감할 수 있음을 보여줬다는 점에서 AI 에이전트 운영 비용 절감에 새로운 접근법을 제시합니다.
엔비디아의 SoL-Pi 시스템, 하네스 최적화로 코딩 에이전트 토큰 사용량 절반 가까이 절감
엔비디아의 새로운 논문은 코딩 에이전트의 제어 계층인 '하네스(harness)'를 자동으로 최적화하는 시스템을 설명합니다. 연구진에 따르면 토큰 사용량이 거의 절반으로 줄어드는 반면 성능은 대체로 비슷하게 유지됩니다.
AI 에이전트가 감시 없이 오래 작동할수록 비용은 커집니다. 단일 예측이 긴 추론 사슬, 도구 호출, 피드백 루프로 이어지면서 토큰 사용량도 함께 폭증합니다. 엔비디아 연구진의 새로운 연구는 이러한 비용을 모델 수준이 아니라 하네스, 즉 Codex, Claude Code, OpenClaw 같은 시스템에서 모델과 환경 사이에 사용되는 제어 계층에서 다룹니다. 하네스는 에이전트가 상태를 인식하고, 행동을 실행하고, 피드백을 처리하는 방식을 제어합니다.
지금까지 대부분의 효율화 방법은 더 빠른 어텐션 커널과 서빙 인프라, 양자화 같은 모델 압축, 또는 더 저렴한 모델로 교체를 통해 토큰당 비용을 줄이는 데 초점을 맞춰왔습니다.
AI가 152개 방향을 탐색해 더 간결한 제어 로직 발견
하네스 최적화는 실제로 어렵습니다. 도구 사용, 컨텍스트 관리, 검증, 중단 로직이 모두 긴밀하게 결합되어 있기 때문입니다. 한 곳에서 토큰을 아끼는 변경이 다른 곳에서 오류를 일으키거나 비용을 이후 단계로 미루기만 할 수 있습니다. 일반적으로 사람이 긴 실행 트레이스를 분석하고 반복되는 실패 패턴을 코드로 변환해왔습니다.
SoL-Pi라 불리는 이 시스템은 그 작업을 자동화합니다. 연구 에이전트가 다른 에이전트의 트레이스를 관찰하고, 변경을 제안하며, 준비된 환경에서 테스트합니다. 능력과 효율성 검사를 통해 어떤 후보가 살아남을지 결정됩니다. 저자들에 따르면 이 접근법은 재귀적 자기 개선(recursive self-improvement)에 기반합니다.
535개의 실행 가능한 환경에서 이 시스템은 152개의 방향을 탐색했으며, 여기에는 GitHub 이슈-풀리퀘스트 쌍에서 파생된 495개 과제와 40개의 합성 테스트 케이스가 포함됩니다. 전체적으로 이 과정은 3,000회 이상의 실행과 6만 회 이상의 에이전트-환경 상호작용을 생성했습니다. 연구진에 따르면 이 규모는 시스템이 얼마나 광범위하게 탐색했는지 보여주지만, 탐색이 많다고 반드시 더 나은 결과를 낳지는 않습니다.
이는 위험 요소입니다. 이전 연구에서 자동 최적화된 하네스는 학습 과제에 과적합(overfit)되는 경향이 있고 낯선 과제에서는 거듭점이 없다는 것이 밝혀졌기 때문입니다. SoL-Pi는 탐색 피드백과 평가를 엄격히 분리함으로써 이 문제를 해결합니다. 연구진은 EdgeBench를 테스트 벤치마크로 사용했으며 이를 탐색 과정에서 완전히 격리했습니다. 공개된 51개 과제 중 11개를 완성된 후보의 일회성 검증에 사용했습니다. 나머지 40개는 최종 평가용으로 예약되었으며, 그 결과는 절대 탐색에 반영되지 않았습니다.
낭비 제거하는 4가지 메커니즘
탐색을 통해 4가지 메커니즘이 도출되었습니다. Action Fusion은 코드 편집 후 테스트 실행 같은 연속된 두 단계를 하나로 병합해 언어 모델 호출 전체를 제거합니다. Online Context Compact는 각 계획 단계 후에 실행되어 중요한 정보를 잃지 않는 선에서 누적된 컨텍스트를 다듬습니다. ObservationPack은 긴 도구 출력을 보관하고 이후 단계에서는 전체 텍스트를 매번 재전송하는 대신 짧은 요약을 삽입합니다. Evidence-Preserving Reducer는 큰 오류 및 테스트 로그를 더 저렴한 모델로 보내 핵심 발견만 추려내며, 빠져나간 중요한 단서를 잡아내는 자동 검증 단계를 둡니다.
연구진에 따르면 EdgeBench의 51개 공개 과제에서 SoL-Pi는 원래 Pi 하네스와 거의 비슷한 성능을 냅니다. 토큰 사용량이 얼마나 줄어드는지는 설정에 따라 다릅니다. 가장 효율적인 변형은 4가지 메커니즘을 모두 결합해 토큰을 49% 덜 사용하면서 Pi 점수의 93.7%를 달성합니다. 성능을 우선시하고 가장 강력한 단일 메커니즘만 선택한 사용자는 토큰을 절감하면서도 Pi 점수를 5.3% 능가했습니다. 두 변형 모두에서 토큰 사용량은 44.7~49% 감소했습니다.