DeepSeek DSec: l’infrastruttura dietro l’addestramento degli agenti AI

Quando un agente AI impara a usare strumenti, non produce soltanto testo: può chiamare una funzione, eseguire un comando o lavorare su file. Nell’addestramento per rinforzo queste sequenze di azioni, chiamate rollout, possono svolgersi in parallelo su larga scala. DeepSeek Elastic Compute (DSec) è la piattaforma con cui DeepSeek prepara e gestisce gli ambienti isolati — le sandbox — necessari a eseguirle e valutarle. Il rapporto pubblicato nel settembre 2026 descrive un sistema pensato per crearne molte senza assegnare una macchina virtuale completa a ogni attività, né distribuire da capo un’intera immagine a ogni modifica dell’ambiente. 1

Un ambiente diverso per ogni attività

Non tutte le azioni di un agente hanno lo stesso costo o richiedono lo stesso isolamento. Una breve chiamata a una funzione è diversa dall’esecuzione di codice in uno spazio di lavoro, e alcune attività richiedono un intero sistema operativo virtuale. Inoltre, le azioni generate dall’agente e il codice che incontra non possono essere considerati automaticamente sicuri: i resoconti sul rapporto citano comportamenti imprevisti e tentativi di manipolare l’ambiente o i risultati. L’isolamento è quindi una parte del progetto, non una garanzia assoluta di sicurezza. 1910

DSec offre quattro modalità attraverso un’unica interfaccia software, accessibile anche con un SDK Python. FnCall serve le esecuzioni leggere, simili a chiamate di funzione; i container offrono ambienti di lavoro più generali; le microVM introducono un confine di isolamento basato su macchina virtuale; le VM complete coprono le attività che richiedono una macchina virtuale intera. DSec coordina poi l’assegnazione delle sandbox ai nodi e il loro ciclo di vita. In questo modo un’azione breve non deve necessariamente sostenere il costo di una VM completa, mentre un’attività più impegnativa può usare un ambiente adatto. Nessuna delle quattro modalità, da sola, elimina tutti i rischi dell’esecuzione di codice non attendibile. 131016

Immagini a livelli, dati letti quando servono

Per riutilizzare gli ambienti, DSec separa immagine di base, spazio di lavoro e strumenti in livelli EROFS di sola lettura, ciascuno con una propria versione. All’avvio li combina con un livello scrivibile: se cambia soltanto il pacchetto degli strumenti, non occorre ricostruire ogni combinazione completa di immagine di base, strumenti e spazio di lavoro. 111

Le immagini risiedono su 3FS, il filesystem distribuito di DeepSeek. DSec può predisporre localmente i metadati e recuperare i dati dei file man mano che la sandbox li legge, anziché copiarne subito l’intero contenuto. L’obiettivo è ridurre il tempo di trasferimento delle immagini e la pressione sullo spazio di archiviazione locale quando molte sandbox partono insieme. Il rapporto descrive anche la gestione della memoria e la pianificazione della CPU per far convivere molte esecuzioni. 111

Che cosa misurano i numeri dichiarati

DeepSeek descrive una singola unità di produzione composta da circa 160 nodi CPU, 30.000 core e 250 TB di DRAM, con immagini archiviate su scala di petabyte. Per quell’unità dichiara circa 3 milioni di istanze di sandbox al giorno, oltre 380.000 sandbox contemporanee al picco e una velocità di creazione superiore a 5.000 sandbox al secondo. Il totale giornaliero, il picco di attività simultanea e la velocità di creazione sono misure distinte: quest’ultima non va interpretata come un ritmo mantenuto per tutta la giornata. I dati di una unità, inoltre, non rappresentano il totale di tutte le installazioni DSec. 1312

Secondo resoconti secondari che citano il rapporto, una singola attività di addestramento ha richiesto o avviato 32.000 sandbox in una volta. Il dato rende l’idea dei picchi di domanda generati da un solo lavoro, ma le fonti accessibili non consentono di presentarlo come un limite fisso per attività. 811

Dalla V3.2 alla V4.1: i rollout non dipendono dal pod GPU

DeepSeek afferma che DSec ha gestito i carichi di lavoro in sandbox per l’addestramento per rinforzo e la valutazione dalla V3.2 alla V4.1. Il rapporto tecnico sulla V4.1 descrive inoltre rollout di lunga durata eseguiti su DSec al di fuori del gruppo di GPU destinato all’addestramento e soggetto a interruzioni per riassegnazione delle risorse. Se un processo di training viene interrotto, il rollout può essere sospeso e trasferito conservandone lo stato per una successiva ripresa, invece di perdere i progressi dell’agente insieme al pod GPU. 13

DSec, dunque, non è soltanto un sistema per avviare processi isolati: combina scelta dell’ambiente, distribuzione delle immagini e gestione delle esecuzioni su larga scala. Le dimensioni e i benefici operativi descritti restano risultati dichiarati da DeepSeek, non garanzie di capacità verificate per altre installazioni. 13