ドンチャビーティングによる監視によると、DeepSeek V4の技術レポートは、エージェントの事後トレーニングと大規模評価を支えるコアインフラストラクチャを公開し、プロダクショングレードの弾性コンピューティングサンドボックス DSec (DeepSeek Elastic Compute)を明らかにしています。現在、大規模モデルの強化学習には非常に広大なコードの試行錯誤環境が必要です。レポートは、実際の運用では、単一の DSec クラスターが数十万の同時サンドボックスを管理できることを明らかにしています。このシステムは Rust で書かれており、自己開発の 3FS 分散ファイルシステムと連携し、大規模サンドボックスのコールドスタートのパフォーマンスボトルネックを階層的オンデマンドロードによって打破しています。開発者体験の面では、DSec は関数呼び出し、コンテナ、マイクロ仮想マシン、完全仮想マシンの4つの実行基盤を統一し、単一の Python SDK を使用して切り替えにパラメータ変更だけで対応可能です。計算クラスターにおけるタスクのプリエンプションの一般的な問題に対処するために、DSec はグローバルトラジェクトリログを導入しています。タスクが再開されると、システムはキャッシュされたコマンド実行結果を直接「高速フォワード」してリプレイし、迅速なブレークポイント継続を実現するとともに、繰り返し実行による非冪等性エラーを回避します。
DeepSeek V4、本番環境向けエージェントサンドボックスを公開 DSec：単一クラスターで数十万の同時タスクを管理
ドンチャビーティングによる監視によると、DeepSeek V4の技術レポートは、エージェントの事後トレーニングと大規模評価を支えるコアインフラストラクチャを公開し、プロダクショングレードの弾性コンピューティングサンドボックス DSec (DeepSeek Elastic Compute)を明らかにしています。現在、大規模モデルの強化学習には非常に広大なコードの試行錯誤環境が必要です。レポートは、実際の運用では、単一の DSec クラスターが数十万の同時サンドボックスを管理できることを明らかにしています。このシステムは Rust で書かれており、自己開発の 3FS 分散ファイルシステムと連携し、大規模サンドボックスのコールドスタートのパフォーマンスボトルネックを階層的オンデマンドロードによって打破しています。開発者体験の面では、DSec は関数呼び出し、コンテナ、マイクロ仮想マシン、完全仮想マシンの4つの実行基盤を統一し、単一の Python SDK を使用して切り替えにパラメータ変更だけで対応可能です。計算クラスターにおけるタスクのプリエンプションの一般的な問題に対処するために、DSec はグローバルトラジェクトリログを導入しています。タスクが再開されると、システムはキャッシュされたコマンド実行結果を直接「高速フォワード」してリプレイし、迅速なブレークポイント継続を実現するとともに、繰り返し実行による非冪等性エラーを回避します。