DeepSeekが大規模エージェント訓練基盤「DSec」を公開
原題: DeepSeek Elastic Compute (DSec)
なぜ重要か
エージェントAIの大規模RL訓練に必要なサンドボックス基盤の実装詳細が公開されたことで、業界全体の開発効率向上と競合研究の加速が見込まれる。
DeepSeekは2026年9月19日、大規模言語モデルのエージェント訓練・評価向けサンドボックス基盤「DeepSeek Elastic Compute（DSec）」に関する論文をarXivに公開した。160ノード規模の本番環境で1日約300万サンドボックスを処理し、38万以上の同時実行をサポートする。FnCall・コンテナ・microVM・フルVMの4バックエンドを統一SDKで提供する。
DSecは、LLMがリポジトリの検査・ツール呼び出し・コマンド実行・タスク固有サービスとの対話を行うエージェント訓練において避けられない課題、すなわち「隔離された状態保持型実行環境を大量かつ突発的に生成する必要性」を解決するために設計されたプラットフォームだ。
従来のシングルサンドボックスランタイムでは対応しきれない異種機能・隔離要件・長期インタラクションにわたる状態保持・大規模イメージコーパスからの読み込みといった負荷特性に対し、DSecはelastic実行基盤として対処する。
アーキテクチャ面では、クラスタ全体の分散ファイルシステム「Fire-Flyer File System（3FS）」からオンデマンドでイメージデータを読み込む仕組みを採用。メモリ共有・回収・CPUスケジューリングを組み合わせた高密度実行により、リソース効率を高めている。環境は独立バージョン管理されたレイヤーを合成して構成されるため、柔軟な環境構築が可能だ。
特筆すべきは強化学習（RL）フレームワークとの共同設計にある。状態を持つロールアウト実行とプリエンプタブルなGPUトレーニングを切り離し、サンドボックスのライフサイクルをトレーニングと協調させることでロールアウト状態を保持しつつアイドルリソースを回収する。さらに、報酬ハッキングなどエージェントの不正行動の緩和機能も組み込まれている。
本番スケールの単一ユニットは約160ノードで構成され、1日あたり約300万サンドボックスを処理。同時実行数は38万以上に達する。著者は130名を超え、DeepSeekの大規模開発体制がここでも確認できる。