DeepSeek DSec: बड़े पैमाने पर एजेंट ट्रेनिंग के पीछे की सैंडबॉक्स व्यवस्था

AI एजेंट की ट्रेनिंग में मॉडल केवल जवाब नहीं लिखता। वह टूल बुला सकता है, शेल कमांड चला सकता है या किसी कार्यक्षेत्र में कोड पर काम कर सकता है। ऐसे बहुत-से कार्य एक साथ चलाने के लिए DeepSeek ने DeepSeek Elastic Compute (DSec) बनाया है। सितंबर 2026 की उसकी रिपोर्ट के मुताबिक, DSec रीइन्फोर्समेंट लर्निंग—यानी परिणाम के आधार पर मॉडल को प्रशिक्षित करने की प्रक्रिया—और मूल्यांकन के दौरान एजेंटों को चलने के लिए सैंडबॉक्स उपलब्ध कराता है। सैंडबॉक्स ऐसा अलग निष्पादन वातावरण है जिसमें किसी कार्य को बाकी सिस्टम से सीमित रखकर चलाया जाता है। 1

हर कार्य को पूरी वर्चुअल मशीन क्यों नहीं चाहिए?

किसी एजेंट को सिर्फ़ एक छोटा फ़ंक्शन चलाना हो सकता है, जबकि दूसरे को कोड वाला कार्यक्षेत्र या पूरा ऑपरेटिंग सिस्टम चाहिए। DSec इन ज़रूरतों के लिए **चार बैकएंड—FnCall, कंटेनर, microVM और पूरी VM—**एक साझा Python SDK के ज़रिए उपलब्ध कराता है। SDK वह सॉफ़्टवेयर इंटरफ़ेस है जिससे ट्रेनिंग और मूल्यांकन प्रोग्राम सैंडबॉक्स माँगते और प्रबंधित करते हैं; DSec उन्हें अलग-अलग होस्ट पर रखने और उनका जीवनचक्र संभालने का काम करता है। इससे हर छोटी टूल कॉल को पूरी VM में चलाने की ज़रूरत नहीं पड़ती। 13

यह अलगाव सुरक्षा से भी जुड़ा है। एजेंट द्वारा की गई कार्रवाई या चलाया गया कोड हमेशा सुरक्षित मानकर नहीं चला जा सकता; रिपोर्टिंग में वातावरण या उसके नतीजों से छेड़छाड़ जैसे जोखिमों का ज़िक्र है। चारों बैकएंड अलग-अलग स्तर का अलगाव देते हैं, लेकिन कोई एक व्यवस्था अपने-आप में हर जोखिम खत्म करने की गारंटी नहीं है। 1910

वातावरण को बार-बार बनाने के बजाय जोड़ना

DSec किसी सैंडबॉक्स के वातावरण को बेस इमेज, कार्यक्षेत्र और टूलकिट की तीन स्वतंत्र, केवल-पढ़ने योग्य EROFS लेयर में रखता है। हर लेयर का संस्करण अलग से बदला जा सकता है। सैंडबॉक्स शुरू होते समय ज़रूरी लेयरों को लिखने योग्य ऊपरी लेयर के साथ जोड़ा जाता है। इसलिए केवल टूलकिट बदलने पर बेस इमेज और कार्यक्षेत्र के हर संयोजन की पूरी इमेज फिर से बनाना आवश्यक नहीं होता। 111

इमेज डेटा DeepSeek के वितरित फ़ाइल सिस्टम 3FS पर रहता है। DSec पहले स्थानीय स्तर पर फ़ाइलों की जानकारी तैयार कर सकता है और वास्तविक डेटा तभी लाता है जब सैंडबॉक्स उसे पढ़ता है। बहुत-से सैंडबॉक्स एक साथ शुरू हों, तो यह तरीका पूरी इमेज पहले कॉपी करने से जुड़ा समय और स्थानीय स्टोरेज का दबाव घटाने के लिए बनाया गया है। रिपोर्ट घने पैमाने पर निष्पादन के लिए मेमरी प्रबंधन और CPU शेड्यूलिंग का भी वर्णन करती है। 111

कंपनी के बताए आँकड़ों का सही मतलब

DeepSeek के अनुसार, DSec की एक उत्पादन इकाई में लगभग 160 CPU नोड, 30,000 कोर और 250 TB DRAM हैं; इमेज स्टोरेज पेटाबाइट पैमाने का है। कंपनी इस एक इकाई के लिए रोज़ करीब 30 लाख सैंडबॉक्स इंस्टेंस, चरम समय में 3.8 लाख से अधिक एक साथ सक्रिय सैंडबॉक्स और प्रति सेकंड 5,000 से अधिक सैंडबॉक्स बनाने की दर बताती है। ये दैनिक संख्या, एक साथ सक्रिय सैंडबॉक्स और निर्माण दर—तीन अलग माप हैं। चरम दर को पूरे दिन की स्थिर दर या एक इकाई के आँकड़ों को सभी DSec इकाइयों का कुल आँकड़ा नहीं समझना चाहिए। 1312

पेपर पर आधारित दूसरी रिपोर्टों में एक ट्रेनिंग टास्क द्वारा एक साथ 32,000 सैंडबॉक्स माँगे या शुरू किए जाने का उल्लेख है। यह किसी एक काम से अचानक बहुत अधिक माँग आने का उदाहरण है, न कि हर टास्क के लिए प्रमाणित अधिकतम सीमा। 811

GPU ट्रेनिंग रुकने पर एजेंट का काम

DeepSeek का कहना है कि V3.2 से V4.1 तक उसकी रीइन्फोर्समेंट-लर्निंग ट्रेनिंग और मूल्यांकन के सैंडबॉक्स कार्य DSec पर चले हैं। V4.1 की तकनीकी रिपोर्ट के अनुसार, लंबे समय तक चलने वाले एजेंट रोलआउट—यानी कार्य करते हुए एजेंट के कदमों का क्रम—ऐसे DSec वातावरण में चलते हैं जो बीच में रोके जा सकने वाले GPU ट्रेनिंग पूल से अलग है। ट्रेनर रोके जाने पर रोलआउट को उसकी स्थिति सुरक्षित रखते हुए स्थगित और दूसरी जगह स्थानांतरित किया जा सकता है, ताकि बाद में वहीं से काम आगे बढ़े। 13

इस तरह DSec सिर्फ़ सैंडबॉक्स शुरू करने का साधन नहीं है: यह अलग-अलग तरह के एजेंट कार्यों के लिए वातावरण तैयार करने, उन्हें बड़े पैमाने पर चलाने और लंबे रोलआउट को GPU ट्रेनर की शेड्यूलिंग से अलग रखने की व्यवस्था है। ऊपर दिए गए क्षमता और संचालन संबंधी आँकड़े DeepSeek के बताए परिणाम हैं, दूसरे परिनियोजनों के लिए स्वतंत्र रूप से प्रमाणित गारंटी नहीं। 13