GKE Agent Sandbox正式提供RL编排SDK与预热环境

GKE Agent Sandbox面向大规模Agentic强化学习及评测，承载策略模型在GPU生成动作后执行代码、获取奖励的CPU环境。本次公告称优化版沙箱、RL编排SDK及Gymnasium、NVIDIA NeMo Gym和OpenHands集成已正式可用。SDK提供异步Python API和可插拔预热池策略，无需把自定义守护进程嵌入任务镜像；环境支持快照、暂停、恢复与分叉。实现将镜像准备移出关键路径，结合SandboxWarmPool、GKE Image Streaming和控制器速率限制；每轮在Pod内重置Git及检出仓库，减少重复创建。官方10节点gVisor测试对比原始Kubernetes Pod，在500个SWE-bench镜像及4,578个R2E镜像、最高18,312个并发任务条件下，平均首次命令等待由44—85秒降至1.1—8.8秒，最坏等待由450秒降至不足10秒；Pod创建量由18,312降至5,869。45倍指最坏等待改善，不能当整体训练吞吐。提前预热会消耗CPU与后台集群时间；失败沙箱须显式列为可重试，避免丢弃造成奖励偏差。公告披露Mistral AI已采用该基础设施，提供仓库、示例和部署文档；本条合并服务及SDK，不重复拆为实践。