E2B、NVIDIA Veraで高密度エージェント向けサンドボックス群を検証

E2Bは2026年11月9日、本番前のテスト結果を公開し、デュアルソケットのNVIDIA Veraサーバー1台でチューニング済みの構成を4回実行したところ、負荷のかかったサンドボックスを1,400～1,550個維持できたと発表した。また、別途実施したマイクロベンチマークでは、AMD EPYC 9B45を基準とした場合よりも高いプロセッサーおよびメモリーのスループットが測定された。

この評価は本番環境への導入ではない。E2BはSDKを通じて分離されたマイクロVMを提供し、エージェントはコマンドを実行したり、ファイルを操作したり、保存された実行状態に戻ったりできる。各サンドボックスはスナップショットから再開し、必要に応じてメモリーを読み込む。モデルが別の場所で実行されていても、セッション内の処理の多くはCPU上で行われる。そのためE2Bは、個々の操作と、多数の環境を同時に実行する場合の両方をテストした。

プロセッサーとメモリーのマイクロベンチマーク

Veraのテストは2026年10月9～13日に、物理コア176基、RAM 1,479 GiBを搭載した本番前のデュアルソケットサーバー1台で実施された。AMDの比較用測定は2026年8月に行われた。ホスト上で他の処理を介さずに実施したシングルスレッドの計算テストでは、E2Bによると、Veraは毎秒7,759イベント、AMD EPYC 9B45は毎秒5,131イベントを処理し、基準システムの1.51倍のスループットを記録した。この数値には、少なくとも3回の実行の中央値を用いている。計算テストでは、Veraの64Kページカーネルを使用した。

メモリーテストでは、4Kカーネルと2 MiBのヒュージページを使い、2 GiBの領域にデータを配置した。これはE2Bのサンドボックスで使われるものと同じヒュージページによるバックアップ方式だ。E2Bによると、Veraは62.8 GB/s、AMDは17.4 GB/sで、スループットは3.61倍だった。このテストが測定するのはメモリー領域へのデータ配置であり、サンドボックスの起動全体ではない。スナップショットを基盤とする環境を繰り返し復元するランタイムにとって、これは重要な処理だ。

この比較には明確な限界がある。グラフが対象とするのは、特定のマイクロベンチマークにおける明示されたシステムであり、エージェントのエンドツーエンドの速度向上が同等であることや、AMDに対するサンドボックス群の収容能力の優位性を示すものではない。またE2Bは、個々のツールやアプリケーションで得られる性能向上は異なるとしている。

フルスタックの収容能力とホストのチューニング

フルスタックのテストでは、E2BはオープンソースのE2B Runtimeとダッシュボードを単一マシン向けにパッケージ化したE2B Embedを使用し、スタックをホスト上で直接実行した。EmbedはFirecrackerによるマイクロVMの分離と、PythonおよびJavaScript SDKのサポートを提供する。この評価では、サンドボックスの作成、コマンド実行、スナップショットからの復元、収容能力、ならびに作成と破棄の反復を検証した。

E2Bによると、Veraのベアメタルテストでは、ウォーム状態からのサンドボックスの逐次起動に50 ms、低負荷時のコマンド往復に3.8 msを記録した。いずれの数値も、サンドボックス群に負荷をかけた測定ではなく、Vera上で別々に実施したテストの結果だ。別途行った作成・破棄の反復テストでは、エラーゼロで22,145回のサイクルを完了した。

混合負荷の収容能力テストでは、各サンドボックスがCPUバースト、10 MiBのディスク書き込み、一時停止を繰り返す一方、10個に1個は連続して稼働した。収容能力の上限に近い条件で、E2Bはコマンド往復時間の95パーセンタイルが255 msだったと報告している。すべてのサンドボックスを連続稼働させた別のテストでは、550個を維持した。

これらの収容能力テストでは、サンドボックスごとに512 MiBを割り当てた。各テストの目標では、95パーセンタイルのレイテンシーを、そのテストでウォームアップ後に測定したバースト時の基準値の5倍以内に保ち、各ステップのエラー率を1%以下とすることが求められた。したがって、この結果が示すのは、指定された応答性と信頼性の目標を満たす条件での収容能力であり、絶対的な負荷上限ではない。

ホスト構成は大きな制約要因だった。デフォルト設定で対応できたサンドボックスは320個だったが、ネットワーク近隣設定を調整すると、1,024デバイスの上限を維持したまま1,000個まで増加した。主要な収容能力の結果を得るには、全面的なチューニングが必要だった。E2Bはこの段階的な変化を、同一サーバー上での構成比較と説明しており、Veraとx86の速度向上率を比較したものではない。

評価の限界と今後予定されているテスト

本番前の評価であるため、未解決の課題がいくつか残る。E2Bによると、x86の比較対象システムのほうが一部の復元処理を速く完了した。また、仮想化環境内での仮想化にはさらなる対応が必要だ。コストと消費電力の測定は行われておらず、運用コストの評価は今回の検証の対象外となった。

E2Bが次の段階として挙げているのは、複数ノードで構成するVeraクラスター、オブジェクトストレージを利用したコールド再開、そして同じE2Bパッケージとホストチューニングを用いたx86との比較だ。より広範な導入の妥当性を判断するには、これらの追加検証が鍵となる。すなわち、フルスタックの結果が同等のパッケージとチューニングを施したx86システムとの比較でも維持されるか、また単一サーバーでの収容能力がクラスター全体でも実現するかが問われる。