DeepSeek показала DSec, инфраструктуру песочниц для обучения ИИ-агентов
19 сентября 2026 года на arXiv появился технический отчёт DeepSeek об их внутренней системе DeepSeek Elastic Compute (DSec), платформе изолированных «песочниц» для масштабного обучения и оценки ИИ-агентов с подкреплением (RL). Песочница, это изолированная стейтфул-среда выполнения, в которой модель просматривает репозитории, вызывает инструменты, выполняет команды и взаимодействует с сервисами конкретной задачи. По описанию авторов, такие нагрузки создают песочницы большими всплесками, требуют разной изоляции и функциональности, сохраняют состояние в течение долгих взаимодействий и опираются на большие библиотеки образов с низкой переиспользуемостью, поэтому вместо единого рантайма песочниц нужна эластичная платформа.
DSec предоставляет через единый SDK несколько типов бэкендов для песочниц: FnCall, контейнеры, microVM и полноценные виртуальные машины. Платформа координирует размещение и жизненный цикл песочниц по кластеру, собирает среды из независимо версионируемых слоёв, сочетает разделение и переиспользование памяти с CPU-планированием для плотного исполнения, а образы подгружает по требованию из Fire-Flyer File System (3FS), распределённой файловой системы DeepSeek на весь кластер. DSec спроектирован совместно с RL-фреймворком компании: он отделяет стейтфул-выполнение rollout-сессий от вытесняемого обучения на GPU, координирует жизненный цикл песочниц с обучением так, чтобы сохранять состояние rollout при высвобождении простаивающих ресурсов, и, по утверждению авторов, снижает риск недобросовестного поведения агентов вроде reward hacking (эксплуатации функции вознаграждения в обход цели задачи).
В отчёте приведены производственные показатели: один production-юнит DSec занимает около 160 узлов и обслуживает около 3 миллионов песочниц в сутки; в эксплуатации система в целом поддерживает свыше 380 000 одновременно работающих песочниц и выдерживает создание более 5 000 песочниц в секунду. По оценке и опыту эксплуатации авторов, эти механизмы снижают накладные расходы на настройку среды и распространение образов, повышают эффективность использования памяти и сохраняют производительность, чувствительную к задержкам, даже при высокой плотности переподписки ресурсов.
Ключевые факты
- DeepSeek опубликовала отчёт о DSec, production-платформе изолированных песочниц для масштабного RL-обучения и оценки ИИ-агентов
- Платформа поддерживает бэкенды FnCall, контейнеры, microVM и полные VM через единый SDK, а образы подгружает из распределённой файловой системы 3FS
- DSec спроектирован совместно с RL-фреймворком: отделяет выполнение rollout-сессий от вытесняемого GPU-обучения и снижает риск reward hacking у агентов
- Один production-юнит занимает около 160 узлов и обслуживает около 3 млн песочниц в сутки
- В эксплуатации система поддерживает свыше 380 000 одновременных песочниц и создаёт более 5 000 песочниц в секунду
Почему это важно
Масштабное обучение ИИ-агентов с подкреплением требует не одной изолированной среды, а эластичной инфраструктуры, способной создавать и удерживать сотни тысяч стейтфул-сессий одновременно. DSec, это редкий подробный технический отчёт о том, как такую инфраструктуру строит одна из ведущих лабораторий: от планирования ресурсов кластера до совместного дизайна с RL-фреймворком и мер против недобросовестного поведения агентов.
Кому это важно
Прежде всего инженерам инфраструктуры и MLOps-командам, которые строят пайплайны обучения ИИ-агентов с подкреплением, а также исследователям RL, которым интересны инженерные решения для стейтфул rollout-сред и борьбы с reward hacking.
Как это применить
Отчёт не сообщает ни о дате релиза, ни о доступности или открытом исходном коде DSec, это описание внутренней production-системы DeepSeek. Практическая польза для внешних читателей, в архитектурных идеях: разделении бэкендов песочниц через единый SDK, слоистой сборке образов, подгрузке данных из распределённой файловой системы и координации жизненного цикла песочниц с обучением на GPU, эти паттерны можно переносить на собственные инфраструктурные решения.
Можно ли доверять
Это технический отчёт самой DeepSeek на arXiv, в аннотации не указаны конкретные авторы или подразделения компании. Приведённые цифры о нагрузке, данные собственной эксплуатации и оценки авторов; сравнения с другими платформами песочниц или базовыми показателями производительности в тексте нет, так что судить о превосходстве DSec над аналогами по одному отчёту нельзя.
Риски и подводные камни
Все метрики, самоотчёт компании без независимой проверки и без сравнения с конкурирующими решениями. Заявления о снижении reward hacking и повышении эффективности памяти подкреплены лишь общими формулировками об опыте эксплуатации, без детальных методологий или контрольных экспериментов, что затрудняет оценку реального выигрыша.