DeepSeek ha publicado un informe técnico que describe la infraestructura oculta detrás de la capacitación de sus agentes: una plataforma de producción sandbox llamada DeepSeek Elastic Compute, o DSec, que pone en marcha entornos aislados a una escala que pocas empresas han revelado públicamente. El artículo, publicado en arXiv el 19 de septiembre, encontró una audiencia mucho más amplia este fin de semana cuando llegó a la portada de Hacker News, obteniendo más de 300 puntos mientras los ingenieros analizaban los números, incluidos aproximadamente 3 millones de sandboxes servidos por día y más de 380.000 ejecutándose simultáneamente en una sola unidad de producción.
Entrenar a un agente de IA no se parece en nada a entrenar a un chatbot. Antes de que un modelo pueda aprender a actuar, necesita un lugar donde actuar, y como lo demostró la cobertura de IA del año pasado, ese requisito está remodelando silenciosamente la forma en que los laboratorios líderes construyen sus pilas de computación. DSec es la respuesta de DeepSeek, y el artículo es uno de los relatos públicos más detallados hasta el momento sobre lo que el aprendizaje por refuerzo agente exige de la infraestructura física.
Por qué la capacitación de agentes rompió la pila informática normal
El documento explica que la capacitación y la evaluación de agentes a gran escala se basan en entornos de ejecución aislados y con estado en los que los modelos inspeccionan repositorios, invocan herramientas, ejecutan comandos e interactúan con servicios de tareas específicas. Esas cargas de trabajo estresan a un centro de datos de una manera que el entrenamiento ordinario no lo hace: los sandboxes se crean en grandes ráfagas, abarcan requisitos heterogéneos de funcionalidad y aislamiento, retienen el estado a través de largas interacciones de múltiples turnos y se basan en grandes corpus de imágenes con una reutilización muy limitada.
El resultado, según DeepSeek, es que los agentes de soporte requieren una plataforma de ejecución elástica en lugar de un único tiempo de ejecución de espacio aislado. Una imagen de contenedor personalizada que funcione para una tarea no es la base para millones de implementaciones al día.
Cuatro backends Sandbox detrás de un SDK
DSec expone cuatro backends sandbox distintos (FnCall, contenedor, microVM y máquina virtual completa) a través de un SDK unificado, lo que permite que los canales de capacitación elijan el nivel de aislamiento que requiere cada tarea. La plataforma coordina la ubicación y la gestión del ciclo de vida en todo el clúster y compone entornos a partir de capas con versiones independientes para que los componentes comunes se compartan en lugar de duplicarse.
La densidad es donde la ingeniería se vuelve agresiva. DSec combina memoria compartida, recuperación de memoria y programación de CPU para ejecutar entornos sandbox de alta densidad en hardware compartido y carga datos de imágenes a pedido desde Fire-Flyer File System (3FS), el sistema de archivos distribuido en todo el clúster de DeepSeek, en lugar de copiar imágenes completas en cada nodo.
Conectado al bucle RL
La decisión de diseño más importante es que DSec se diseñó conjuntamente con el marco de aprendizaje por refuerzo de DeepSeek en lugar de construirse junto a él. La plataforma desacopla la ejecución de implementación con estado del entrenamiento de GPU interrumpible y coordina el ciclo de vida de la zona de pruebas con ejecuciones de entrenamiento para que el estado de implementación se conserve mientras los recursos inactivos se recuperan para otros trabajos.
El documento también señala que DSec mitiga el mal comportamiento de los agentes, como la piratería de recompensas, el modo de falla en el que un agente juega su señal de recompensa en lugar de completar la tarea. En otras palabras, el aislamiento no es sólo una característica de eficiencia; es un límite de contención para los sistemas que, por diseño, pueden ejecutar código y tomar acciones de forma autónoma.
La Balanza, en Números
Una sola unidad de DSec a escala de producción abarca alrededor de 160 nodos, según el documento. Esa unidad atiende aproximadamente a 3 millones de sandboxes por día, admite más de 380 000 sandboxes simultáneos y sostiene más de 5000 creaciones de sandbox por segundo. DeepSeek informa que estos mecanismos reducen la configuración del entorno y la sobrecarga de distribución de imágenes, mejoran la eficiencia de la memoria y preservan el rendimiento sensible a la latencia incluso bajo compromiso excesivo de alta densidad.
Por qué es importante
El documento es un informe de sistemas de DeepSeek sobre la propia infraestructura de DeepSeek, por lo que debe leerse como una divulgación de la empresa en lugar de una auditoría independiente, y se centra en la arquitectura más que en los costos o la adquisición de hardware. Incluso con esas advertencias, ofrece una mirada rara y concreta al interior de la parte de un laboratorio de IA que los comunicados de prensa nunca mencionan.
Se destacan tres conclusiones. En primer lugar, el aprendizaje por refuerzo de agentes se ha convertido en una disciplina de infraestructura propia: quien pueda ejecutar la mayor cantidad de implementaciones, más rápido y en un aislamiento confiable puede repetir el entrenamiento de agentes más rápido que sus rivales. En segundo lugar, el diseño de la zona de pruebas es ahora un mecanismo de seguridad tanto como de rendimiento: el mismo mes en que DeepSeek publicó una plataforma creada para contener agentes de piratería de recompensas, OpenAI detuvo el entrenamiento del modelo de frontera después de que sus agentes exhibieron un comportamiento inesperado en los sitios web del gobierno de EE. UU., y Anthropic anteriormente detuvo las ejecuciones de entrenamiento después de que sus propios agentes de Claude se volvieron deshonestos. En tercer lugar, la divulgación indica confianza: publicar la forma de su pila de entrenamiento invita a los competidores a igualarla, y DeepSeek parece sentirse cómodo con esa carrera.
Para todos aquellos que entrenan agentes en mucho menos de 160 nodos, el documento también funciona como una referencia de diseño: un modelo público para la maquinaria poco glamorosa que convierte un modelo inteligente en un agente funcional.
---
Obtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
