DeepSeek DSec: Yapay zekâ ajanlarının eğitiminde yüz binlerce sanal alan nasıl yönetiliyor?

Bir yapay zekâ ajanı eğitim sırasında yalnızca yanıt üretmez; araç çağırabilir, komut çalıştırabilir ve dosyalar üzerinde işlem yapabilir. Binlerce ajan görevi paralel yürütüldüğünde, bu işlemler için uygun ortamları hızla açmak ve birbirinden yalıtmak da eğitimin önemli bir parçasına dönüşür. DeepSeek’in Eylül 2026 tarihli raporunda anlattığı DeepSeek Elastic Compute (DSec), pekiştirmeli öğrenme ve değerlendirme süreçlerinde bu ortamları sağlayan sanal alan platformudur. Amaç, her işlem için tam bir sanal makine açmadan veya her ortam değişikliğinde eksiksiz yeni bir imaj dağıtmadan büyük ölçeğe çıkmaktır. 1

Aynı platformda dört farklı çalıştırma ortamı

DSec, ortak bir Python SDK’sı üzerinden FnCall, konteyner, mikro sanal makine (microVM) ve tam sanal makine seçeneklerini sunuyor. Kısa bir fonksiyon çağrısı ile işletim sisteminin tamamına ihtiyaç duyan bir görev aynı altyapıdan hizmet alabiliyor; ancak aynı ortamı kullanmak zorunda kalmıyor. DSec, bu sanal alanların makineler arasında yerleştirilmesini ve yaşam döngüsünü de koordine ediyor. 13

Bu çeşitlilik yalnızca kaynak kullanımıyla ilgili değil. Ajanın ürettiği kod ve yaptığı işlemler peşinen güvenilir sayılamaz; rapora ilişkin haberlerde, ortamı veya sonuçları manipüle etmeye yönelik davranışlar da riskler arasında sayılıyor. Farklı çalıştırma seçenekleri farklı yalıtım sınırları sağlasa da hiçbiri tek başına eksiksiz bir güvenlik garantisi olarak görülmemeli. 1910

Ortamı baştan kopyalamak yerine katmanları birleştirmek

DSec bir çalışma ortamını temel imaj, çalışma alanı ve araç seti olarak üç ayrı, salt okunur EROFS katmanına ayırıyor. Katmanlar bağımsız sürümlendiriliyor ve sanal alan başlarken üzerlerine yazılabilir bir katman eklenerek birleştiriliyor. Böylece örneğin araç seti değiştiğinde, temel imaj ve çalışma alanıyla oluşabilecek her birleşim için sıfırdan tam bir imaj hazırlamak gerekmiyor. 111

İmajlar, DeepSeek’in 3FS adlı dağıtık dosya sisteminde tutuluyor. DSec dosya üst verilerini yerel olarak hazırlayabiliyor; dosya içeriğini ise sanal alan gerçekten okuduğunda getiriyor. Çok sayıda sanal alanın aynı anda açıldığı durumlarda bu yöntem, tüm imajları önceden kopyalamanın yol açacağı veri aktarımı süresini ve yerel depolama ihtiyacını azaltmayı hedefliyor. Raporda yoğun çalıştırma için bellek yönetimi ve CPU zamanlaması da anlatılıyor. 111

Açıklanan ölçek rakamları neyi gösteriyor?

DeepSeek’in verdiği rakamlar tek bir üretim ölçeği birimine ait: yaklaşık 160 CPU düğümü, 30.000 çekirdek ve 250 TB DRAM; ayrıca petabayt ölçeğinde imaj depolama alanı. Şirket bu birimin günde yaklaşık 3 milyon sanal alan örneğine hizmet verdiğini, zirvede 380 binden fazla sanal alanı eşzamanlı çalıştırdığını ve saniyede 5.000’in üzerinde sanal alan oluşturma hızına ulaştığını bildiriyor. 1312

Bu üç sayı farklı ölçümler. Saniyelik oluşturma hızı, gün boyunca sürekli korunan bir hız anlamına gelmiyor; tek bir birime ait rakamlar da DSec’in bütün kurulumlarının toplamı değil. İkincil haberlerde, bir eğitim görevinin tek seferde 32.000 sanal alan talep ettiği veya başlattığı aktarılıyor. Bu, tek bir işten gelebilen ani talebin boyutunu gösteriyor; doğrulanmış bir görev başına üst sınır olarak okunmamalı. 3811

GPU eğitim işi durdurulursa ajanın ilerlemesi ne oluyor?

DeepSeek, V3.2’den V4.1’e kadar pekiştirmeli öğrenme eğitimi ve değerlendirmesindeki sanal alan iş yüklerini DSec’in yürüttüğünü söylüyor. V4.1 teknik raporunda ise uzun süren ajan görevlerinin, çalışması başka işlere kaynak açmak için kesilebilen GPU eğitim havuzunun dışında DSec üzerinde yürütüldüğü anlatılıyor. Bir eğitim işi kesildiğinde, devam eden görev askıya alınıp durumu korunarak daha sonra sürdürülmek üzere başka bir yerde saklanabiliyor. Böylece GPU eğitim podunun kesilmesi, ajanın o ana kadarki ilerlemesini otomatik olarak silmiyor. 13

DSec’in önemi burada: Farklı görevler için uygun çalıştırma ortamını seçiyor, bu ortamları büyük ölçekte hazırlıyor ve uzun süren ajan işlerini GPU eğitiminin değişken zamanlamasından ayırıyor. Ölçek ve işletim kazanımlarına ilişkin rakamlar ise DeepSeek’in bildirdiği üretim sonuçları; başka kurulumlar için bağımsız olarak doğrulanmış kapasite garantileri değil. 13