딥시크는 19일 대규모 에이전트 학습을 위해 설계한 샌드박스 플랫폼 '딥시크 엘라스틱 컴퓨트(DSec·DeepSeek Elastic Compute)'를 온라인 아카이브를 통해 발표했다. 연구진에 따르면 DSec는 단순한 컨테이너 실행 도구가 아니라, AI 에이전트가 학습할 때 필요한 여러 개의 독립 작업 공간을 한곳에서 관리하는 인프라 시스템이다. 이 구조는 '딥시크-V3.2'부터 'V4.1'까지 모든 모델의 강화학습(RL)과 평가 과정에 실제 적용됐다.
에이전트 학습에서는 연속적인 상태 저장이 필요하고, 단일 학습 작업에서 최대 3만2000개의 샌드박스가 동시에 구동될 수 있다. 다만 에이전트는 생각, 실행, 대기를 반복해 샌드박스의 평균 CPU 사용률이 5% 미만에 그친다. DSec는 이런 특성을 전제로 유휴 자원을 회수하고 다시 배치하도록 설계됐다. 작업 성격과 격리 수준에 따라 함수 호출(FnCall), 일반 컨테이너, 파이어크래커 마이크로 가상머신, 전체 가상머신까지 4가지 실행 환경을 제공하고, 통합 파이썬 SDK로 환경 생성과 내부 명령 제어를 지원한다.
효율화 방식도 구체적으로 공개됐다. 온디맨드 이미지 로딩으로 대용량 프로그램 전체를 내려받지 않고 3FS 분산 파일시스템에서 필요한 데이터만 가져오도록 했고, 실험에서는 8192개 컨테이너 기준 작업 완료 시간이 60분 이상에서 약 35분으로 줄었으며 디스크 쓰기량도 57% 감소했다. 공유 파일 시스템을 그대로 활용하는 환경 계층화 기술은 구축 시간을 79분에서 45분으로 단축했다. 또 virtio-pmem과 DAX 기반 메모리 최적화로 최대 메모리 사용량을 40.2% 줄였고, DAMON과 Balloon 메커니즘으로 유휴 메모리를 회수했다. CPU 스케줄링 기법은 시스템 부하가 50%까지 오르는 상황에서도 지연시간 증가 폭을 17.3% 수준으로 억제했다.