DeepSeek publicó en arXiv un informe técnico titulado «DeepSeek Elastic Compute (DSec): infraestructura de sandbox para el entrenamiento de agentes a gran escala», presentado el 19 de septiembre. El informe describe la capa de ejecución que usa DeepSeek para entrenar y evaluar agentes, es decir, el entorno en el que los modelos escriben código, ejecutan comandos y manejan un ordenador. La lista de autores supera el centenar de personas, con DeepSeek-AI como entidad principal; entre los colaboradores hay estudiantes de doctorado de la Universidad de Tsinghua que participaron como becarios.
DeepSeek ya ha publicado varios informes sobre entrenamiento de modelos, pero es la primera vez que documenta por separado este «campo de entrenamiento» que sostiene el aprendizaje por refuerzo.
Cuatro tipos de sandbox, una sola interfaz
A través de un SDK unificado, DSec ofrece cuatro backends, ordenados de menor a mayor intensidad de aislamiento y coste:
- FnCall: tareas sin estado, como jueces en línea (OJ)
- Contenedores: ingeniería de software y tareas con llamadas a herramientas
- MicroVM Firecracker: tareas de seguridad ofensiva que necesitan mayor aislamiento
- Máquina virtual completa (QEMU): desarrollo en Android y tareas intensivas en gráficos
Las cargas de trabajo cubiertas incluyen tareas de código a nivel de repositorio al estilo SWE-bench, explotación de vulnerabilidades de seguridad, manejo de ordenador y desarrollo móvil. El framework de entrenamiento solo llama a esta misma interfaz; la capa de planificación decide qué sandbox usar según la tarea.
Algunas cifras de ingeniería
La carga de imágenes ocupa buena parte del informe. DSec almacena las imágenes en formato EROFS sobre 3FS, el sistema de archivos distribuido propio de DeepSeek, y las lee bajo demanda. Frente al método tradicional de descargar primero toda la imagen de Docker en local, el tiempo de finalización para el mismo lote de tareas bajó de más de 60 minutos a unos 35, una mejora de 1,71 veces según el informe; la escritura acumulada en disco se redujo en un 57 %.
En memoria, el informe usa virtio-pmem junto con DAX para que varias máquinas virtuales en un mismo equipo compartan la caché de páginas en lugar de mantener cada una su propia copia, lo que redujo el pico de memoria del host en un 40,2 %; sumado a la recuperación de páginas inactivas mediante DAMON y un driver de globo (balloon), el consumo de memoria acumulado en el tiempo bajó otro 21,2 %.
Hay un diseño más directamente ligado al entrenamiento: la ejecución del rollout se trasladó a DSec y se dividió en dos componentes, de modo que el sandbox del agente y el contenedor de trabajo guardan juntos el estado completo del rollout. Las tareas de entrenamiento en GPU son interrumpibles (preemptible); cuando se interrumpe una, no se pierde la interacción de varios pasos que estaba en curso.
En comparación con sus pares en el extranjero
El negocio de los sandboxes para agentes ya cuenta en el extranjero con un grupo de empresas especializadas. Cuando OpenAI añadió sandboxes al Agents SDK en abril de este año, recurrió a proveedores externos como E2B, Modal, Daytona y Cloudflare; Anthropic lanzó después un sandbox autoalojado, y Cursor construyó un sandbox de código a nivel de sistema operativo. Estos productos están pensados para desarrolladores que ejecutan agentes en producción, con el foco puesto en los límites de seguridad y la facturación por uso.
El punto de partida de DSec es distinto. Sirve al propio entrenamiento por refuerzo de DeepSeek y busca resolver el problema de levantar y destruir varios millones de entornos al día sin frenar las GPU. Las cifras de concurrencia y densidad que aparecen en el informe rara vez se hacen públicas en productos de sandbox comerciales, así que no es posible una comparación directa.
Es probable que varios de los grandes laboratorios extranjeros tengan sistemas similares de uso interno, pero rara vez publican la arquitectura y las cifras en forma de artículo. Esta vez DeepSeek expuso las decisiones detrás de los cuatro backends y las técnicas de optimización de imágenes y memoria, lo que da a los equipos nacionales que entrenan agentes una referencia con la que comparar. El informe no dice si DSec se liberará como código abierto ni si se ofrecerá como servicio en la nube.
Fuentes: CocoLoop, artículo en arXiv DeepSeek Elastic Compute (DSec), documentación del Agents SDK de OpenAI; las cifras de concurrencia, densidad y aceleración en la carga de imágenes se verificaron con el texto del artículo.