E2B testuje NVIDIA Vera pro flotily sandboxů agentů s vysokou hustotou

E2B zveřejnila výsledky testů předprodukčního systému 9. listopadu 2026. Ukazují, že čtyři vyladěné běhy na jednom dvousocketovém serveru NVIDIA Vera zvládly udržet v provozu 1 400 až 1 550 zatížených sandboxů, zatímco samostatné mikrovýkonnostní testy naměřily vyšší propustnost procesoru a paměti než u referenčního systému AMD EPYC 9B45.

Nejde o nasazení v produkčním prostředí. E2B prostřednictvím SDK poskytuje izolované mikrovirtuální počítače, v nichž mohou agenti spouštět příkazy, pracovat se soubory a vracet se do zachovaného běžícího stavu. Každý sandbox se obnoví ze snímku a paměť se načte podle potřeby. Velká část práce v rámci těchto relací probíhá na procesoru, i když model běží jinde, proto E2B testovala jak jednotlivé operace, tak velké množství souběžně spuštěných prostředí.

Mikrovýkonnostní testy procesoru a paměti

Testy Vera proběhly 9.–13. října 2026 na jednom předprodukčním dvousocketovém serveru se 176 fyzickými jádry a 1 479 GiB paměti RAM. Referenční měření AMD pocházejí ze srpna 2026. V testu výpočetního výkonu s jedním vláknem na samotném hostiteli uvádí E2B 7 759 událostí za sekundu u Vera a 5 131 u AMD EPYC 9B45, tedy 1,51násobek referenční propustnosti; hodnoty představují medián alespoň tří běhů. Výpočetní testy využívaly jádro Vera se stránkami o velikosti 64K.

Test paměti zaplnil oblast o velikosti 2 GiB pomocí jader se stránkami 4K a velkých stránek o velikosti 2 MiB, které jako podklad využívají i sandboxy E2B. E2B uvádí propustnost 62,8 GB/s u Vera a 17,4 GB/s u AMD, což odpovídá 3,61násobku propustnosti. Měření se týká zaplnění paměti, nikoli úplného spuštění sandboxu; jde o důležitou operaci v prostředí, jehož běhové prostředí opakovaně obnovuje prostředí ze snímků.

Toto srovnání má jasně vymezené limity. Grafy zachycují pojmenované systémy v konkrétních mikrovýkonnostních testech a nedokládají srovnatelné zrychlení agentů od začátku do konce ani výhodu oproti AMD z hlediska kapacity celé flotily. E2B také uvádí, že přínosy pro jednotlivé nástroje a aplikace se budou lišit.

Kapacita celého systému a ladění hostitele

Pro testy celého systému použila E2B E2B Embed, balíček pro jeden počítač zahrnující open-source E2B Runtime a řídicí panel; celý systém běžel přímo na hostiteli. Embed zajišťuje izolaci pomocí mikrovirtuálních počítačů Firecracker a podporuje SDK pro Python a JavaScript. Hodnocení zahrnovalo vytváření, spouštění příkazů, obnovu ze snímku, kapacitu i opakované vytváření a rušení sandboxů.

E2B uvádí u zahřátých sekvenčních spuštění sandboxu dobu 50 ms a při nízkém zatížení dobu oběhu příkazů 3,8 ms. Každá z těchto hodnot pochází ze samostatného testu na holém serveru Vera, nikoli z měření zatížení celé flotily. V samostatné sérii testů opakovaného vytváření a rušení proběhlo 22 145 cyklů bez jediné chyby.

Ve smíšené zátěži při testování kapacity každý sandbox opakovaně provedl krátkou dávku výpočtů na procesoru, zapsal 10 MiB na disk a pozastavil se; jeden z deseti sandboxů přitom běžel nepřetržitě. V horní části rozsahu kapacity uvádí E2B latenci oběhu příkazů na 95. percentilu 255 ms. V samostatném testu, v němž všechny sandboxy běžely nepřetržitě, se podařilo udržet 550 sandboxů.

V těchto kapacitních testech bylo pro každý sandbox vyhrazeno 512 MiB. Jejich cíle vyžadovaly, aby latence na 95. percentilu zůstala v rozmezí 5× výchozí hodnoty zahřáté dávky daného běhu, a pro každý krok stanovily limit chybovosti 1 %. Výsledek tedy popisuje kapacitu při stanovených cílech odezvy a spolehlivosti, nikoli absolutní limit zatížení.

Významným omezením byla konfigurace hostitele. Výchozí nastavení podporovala 320 sandboxů; vyladění síťových sousedů zvýšilo tento počet na 1 000, přičemž limit 1 024 zařízení zůstal zachován. Pro hlavní výsledek kapacitního testu bylo nutné úplné vyladění. E2B tento vývoj popisuje jako srovnání konfigurací na stejném serveru, nikoli jako zrychlení Vera oproti x86.

Limity hodnocení a plánované testy

Předprodukční stav ponechává několik nevyřešených otázek. E2B zjistila, že referenční systémy x86 stále dokončovaly některé operace obnovy rychleji, zatímco vnořená virtualizace vyžaduje další práci. Nebyly provedeny žádné měření nákladů ani spotřeby energie, takže provozní ekonomika zůstala mimo rámec hodnocení.

E2B uvádí jako další kroky vytvoření víc uzlového clusteru Vera, studená obnovení s podporou objektového úložiště a srovnání s x86 při použití stejného balíčku E2B a stejného ladění hostitele. Širší argumenty pro nasazení nyní závisejí na těchto navazujících testech: zda výsledky celého systému obstojí ve srovnání se systémem x86 zabaleným a vyladěným srovnatelným způsobem a zda se výsledky kapacity jednoho serveru potvrdí i v celém clusteru.