딥시크, 하루 300만개 샌드박스 처리 인프라 공개

딥시크가 AI 에이전트의 대규모 훈련과 평가에 사용하는 샌드박스 인프라 DSec를 공개했다. 생산 단위 하나는 약 160개 노드로 구성되며 하루 약 300만개 샌드박스를 지원한다.

딥시크는 19일 arXiv에 ‘DeepSeek Elastic Compute(DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale’ 논문을 공개했다. 창업자 량원펑(Liang Wenfeng)을 포함해 130명 이상의 연구자가 저자로 이름을 올렸다. 논문과 관련 보도를 통해 확인된 내용이다.

샌드박스는 AI 모델이 코드 저장소를 살펴보고 도구를 호출하거나 명령어를 실행할 때 사용하는 격리된 실행 환경이다. AI 에이전트는 답변을 생성하는 데 그치지 않고 실행 결과를 확인하며 작업을 반복하기 때문에 상태를 유지하는 환경이 필요하다.

논문은 대규모 에이전트 훈련과 평가 과정에서 짧은 시간에 많은 샌드박스가 만들어지고, 작업별 기능과 격리 수준도 달라진다고 설명했다. 장시간 상호작용 과정에서 상태를 유지하면서 대규모 이미지 저장소의 데이터를 불러와야 한다는 점도 과제로 제시했다.

DSec는 하나의 SDK로 함수 호출, 컨테이너, 마이크로VM, 전체 가상머신 등 네 가지 실행 방식을 제공한다. 작업의 기능과 보안 수준에 따라 실행 환경을 선택할 수 있도록 설계했다.

각 샌드박스의 배치와 수명주기는 클러스터 단위로 관리한다. 환경을 여러 버전 관리 계층으로 나눠 조합하고, 메모리 공유와 회수, CPU 스케줄링을 함께 적용해 실행 자원을 관리한다.

샌드박스 이미지 데이터는 딥시크의 클러스터용 분산 파일 시스템인 3FS에서 필요한 시점에 불러온다. 이를 통해 다양한 실행 환경을 운용하면서 이미지 데이터를 반복적으로 저장·관리하는 부담을 줄이는 구조를 취했다.

DSec는 강화학습 프레임워크와 함께 설계됐다. 상태를 유지해야 하는 에이전트 실행과 중단할 수 있는 GPU 훈련을 분리하고, 훈련 과정에서 유휴 자원을 회수하면서도 실행 상태를 보존하도록 구성했다.

논문은 에이전트가 목표와 다른 방식으로 보상을 얻는 보상 해킹 문제도 다룬다고 밝혔다. 에이전트의 실행 환경과 훈련 자원 관리를 함께 설계해 훈련 과정에서 발생할 수 있는 행동 문제에 대응하려는 방식이다.

운영 규모도 제시됐다. DSec의 생산 단위 하나는 약 160개 노드로 구성되며 하루 약 300만개 샌드박스를 지원한다.

동시에 실행할 수 있는 샌드박스는 38만개를 넘고, 샌드박스 생성 속도는 초당 5000개를 웃돈다. 하루 처리량과 동시 실행 규모, 생성 속도는 서로 다른 지표인 만큼 단순히 합산하거나 동일한 성능 수치로 비교할 수는 없다.

논문은 단일 샌드박스 실행기만으로는 대규모 에이전트 훈련과 평가의 다양한 요구를 처리하기 어렵다고 설명했다. 함수 호출처럼 가벼운 작업부터 운영체제 수준의 기능과 높은 격리가 필요한 작업까지 실행 조건이 다르기 때문이다.

딥시크는 앞서 개발자 도구와 에이전트 실행 환경을 확장해 왔으며, 하네스 관련 개발 정황도 본지에서 보도된 바 있다. DSec 공개는 딥시크가 AI 모델뿐 아니라 에이전트가 작업을 수행하는 실행 환경도 별도 인프라로 구축하고 있음을 보여준다.

다만 이번 논문에는 가상자산이나 블록체인 서비스와의 직접적인 연계 내용이 제시되지 않았다. 공개된 핵심 내용은 AI 에이전트 훈련을 위한 실행 환경의 다변화와 클러스터 운영 구조다.