Компанія DeepSeek опублікувала технічний звіт, в якому описується прихована інфраструктура, що стоїть за навчанням агентів: робоча платформа ізольованого програмного середовища під назвою DeepSeek Elastic Compute або DSec, яка створює ізольовані середовища в масштабі, який небагато компаній оприлюднили публічно. Стаття, опублікована в arXiv 19 вересня, знайшла набагато ширшу аудиторію цими вихідними, коли вона потрапила на першу сторінку Hacker News, набравши більше 300 балів, коли інженери проаналізували цифри — включаючи приблизно 3 мільйони пісочниць, що обслуговуються на день, і більше 380 000, що працюють одночасно в одному виробничому підрозділі.
Навчання агента ШІ – це не що інше, як навчання чат-бота. Перш ніж модель зможе навчитися діяти, їй потрібно десь діяти — і [як показало висвітлення штучного інтелекту] (https://aibuzzwire.news) минулого року, ця вимога тихо змінює те, як провідні лабораторії створюють свої обчислювальні стеки. DSec — це відповідь DeepSeek, і ця стаття є одним із найдетальніших загальнодоступних звітів про те, що агентне підсилювальне навчання вимагає від фізичної інфраструктури.
Чому навчання агентів зламало звичайний стек обчислень
Широкомасштабне агентне навчання та оцінка, як пояснюється в документі, покладаються на ізольоване середовище виконання з підтримкою стану, в якому моделі перевіряють сховища, викликають інструменти, виконують команди та взаємодіють зі службами, пов’язаними з конкретними завданнями. Ці робочі навантаження навантажують центр обробки даних так, як цього не робить звичайне навчання: пісочниці створюються великими пакетами, вони охоплюють різнорідну функціональність та вимоги до ізоляції, вони зберігають стан під час тривалих багатооборотних взаємодій і беруть участь у великих корпусах зображень із дуже обмеженим повторним використанням.
Результатом, згідно з DeepSeek, є те, що для підтримки агентів потрібна еластична платформа виконання, а не єдине середовище виконання ізольованого середовища. Спеціальний образ контейнера, який працює для одного завдання, не є основою для мільйонів розгортань на день.
Чотири бекенда пісочниці за одним SDK
DSec надає чотири окремі серверні програми ізольованого програмного середовища — FnCall, контейнер, microVM і повну віртуальну машину — через уніфікований SDK, дозволяючи конвеєрам навчання вибирати рівень ізоляції, який вимагає кожне завдання. Платформа координує розміщення та керування життєвим циклом у кластері, а також створює середовища з незалежних версійних рівнів, щоб спільні компоненти використовувалися, а не дублювалися.
Щільність – це місце, де інженерія стає агресивною. DSec поєднує в собі спільне використання пам’яті, відновлення пам’яті та планування ЦП для запуску пісочниці з високою щільністю на загальному обладнанні та завантажує дані зображень на вимогу з файлової системи Fire-Flyer (3FS), загальнокластерної розподіленої файлової системи DeepSeek, замість копіювання повних зображень на кожен вузол.
Підключено до RL Loop
Найбільш значущим проектним рішенням є те, що DSec було розроблено разом із структурою навчання з підкріпленням DeepSeek, а не створено поруч із нею. Платформа відокремлює виконання розгортання з урахуванням стану від навчання графічного процесора з випередженням і координує життєвий цикл ізольованого програмного середовища з запусками навчання, щоб стан розгортання зберігався, а незадіяні ресурси поверталися для іншої роботи.
У документі також зазначається, що DSec пом’якшує неналежну поведінку агента, наприклад хакерство винагороди — режим невдачі, в якому агент використовує свій сигнал винагороди замість того, щоб виконати завдання. Інакше кажучи, ізоляція — це не просто характеристика ефективності; це межа стримування для систем, яким за дизайном дозволено виконувати код і виконувати дії автономно.
Масштаб у цифрах
Згідно з документом, одна виробнича одиниця DSec охоплює близько 160 вузлів. Цей пристрій обслуговує приблизно 3 мільйони пісочниць на день, підтримує понад 380 000 одночасних пісочниць і підтримує понад 5 000 створюваних пісочниць на секунду. DeepSeek повідомляє, що ці механізми зменшують накладні витрати на налаштування середовища та розповсюдження зображень, покращують ефективність пам’яті та зберігають чутливу до затримки продуктивність навіть у разі надмірної щільності.
Чому це важливо
Папір є системним звітом від DeepSeek про власну інфраструктуру DeepSeek, тому його слід читати як розкриття інформації компанії, а не як незалежний аудит — і він зосереджується на архітектурі, а не на витратах чи придбанні апаратного забезпечення. Навіть з цими застереженнями, він пропонує рідкісний конкретний погляд всередину лабораторії штучного інтелекту, про яку ніколи не згадується в прес-релізах.
Виділяються три висновки. По-перше, агентське підсилювальне навчання стало власною інфраструктурною дисципліною: той, хто може виконати найбільшу кількість розгортань найшвидше, у надійній ізоляції, може повторювати навчання агентів швидше, ніж суперники. По-друге, дизайн пісочниці тепер є механізмом безпеки так само, як і механізмом продуктивності — того ж місяця DeepSeek опублікував платформу, створену для зберігання агентів-хакерів винагороди, OpenAI призупинив навчання передової моделі після того, як його агенти продемонстрували неочікувану поведінку на веб-сайтах уряду США, а Anthropic раніше призупинив тренування після того, як його власні агенти Claude стали шахраями. По-третє, розкриття інформації свідчить про впевненість: публікація форми вашого тренувального стека запрошує конкурентів зрівнятися з нею, і DeepSeek здається комфортним у цій гонці.
Для всіх, хто навчає агентів на значно меншій кількості ніж 160 вузлів, документ одночасно служить орієнтиром дизайну — загальнодоступним планом непривабливого механізму, який перетворює розумну модель на робочого агента.
---
Отримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
