AI-modeller og plattformer

Baseten lanserer sandkasser for langvarige AI-agenter med bevart tilstand

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Baseten introduserte Sandboxes 5. november 2026. Tjenesten gir AI-agenter isolerte mikroVM-miljøer som bevarer filer, minne og kjørende prosesser mellom oppgaver. Kjøretjenesten er tilgjengelig nå og gratis å bruke frem til 16. november 2026, som den første delen av Basetens planlagte agentnettsky.

Produktdokumentasjonen angir en standardgrense på 10 samtidige sandkasser per organisasjon, som brukerstøtten kan øke. Team kan tilordne separate miljøer til enkeltbrukere eller prosjekter og opprette eller slette dem etter hvert som brukere og prosjekter endres. Eksempler på bruk er at en agent skriver og kjører koden til et nettsted for en bruker, eller laster ned kilder, analyserer dem og samler inn forskningsresultater.

MikroVM-isolering og lagret tilstand

Isoleringsgrensen består av en egen mikroVM for hvert miljø, med separat kjerne og isolering på maskinvarenivå. Baseten sier at dette gir bedre isolering enn containerbaserte løsninger og lar agenter kjøre kode som ikke er til å stole på, håndtere filer og kjøre prosesser uten sideveis forflytning. Systemet for tilstand løser et annet problem: å bevare fremdriften uten at databehandlingen må kjøre kontinuerlig.

Når forbindelsen brytes, utløses et øyeblikksbilde som omfatter filsystemet, minnet og aktive prosesser. Databehandlingen skaleres ned til null mens miljøet er satt i hvilemodus. Når det gjenopptas, gjenopprettes den lagrede tilstanden, slik at arbeidet kan fortsette på tvers av økter eller settes på pause mens man venter på innspill fra et menneske. Dermed fungerer suspendering både som en kontinuitetsfunksjon og som en mekanisme for ressursstyring: Mange arbeidsområder kan forbli lagret, mens aktiv databehandling reserveres for miljøer der det pågår arbeid.

Baseten oppgir en gjenopptakstid på 25 millisekunder, skalering til tusenvis av sandkasser i løpet av sekunder og en hastighetsfordel på opptil fem ganger sammenlignet med andre sandkasseverktøy. Målet for latenstid gjelder den samlede effekten: Oppstart, filinnlesing og -skriving samt inferensrundturer kan ellers hope seg opp gjennom lange agentløkker.

Instrumentbordet viser sanntidsmålinger av API-forespørsler, feilrate, CPU og minne, sammen med distribusjonsdetaljer som region, RAM, avbildning og etiketter. Den innebygde observerbarheten viser hva som skjer i agentens miljø, uten at det er nødvendig å sette opp et separat overvåkingssystem.

Avbildninger, tilgang og oppbevaring av data

Hver sandkasse starter fra en avbildning. Baseten vedlikeholder innebygde alternativer, mens team kan lage egne avbildninger fra en Dockerfile eller importere dem fra et register. Versjonene administreres per team. En avbildning kan inneholde operativsystemer og kjøremiljøer for programmeringsspråk, pakker og kommandolinjeverktøy, startkode eller data samt standardinnstillinger for minne og porter. En Sandbox API-server håndterer kommandoer og filoperasjoner for MCP-verktøy.

Når en tilpasset avbildning er bygget, får den en versjon med en etikett, og hver nye sandkasse starter fra en kopi av denne versjonen. Filer som opprettes eller endres under en kjøring, endrer ikke avbildningen. Utviklere kan opprette miljøer med Baseten CLI, kjøre kommandoer eller åpne en interaktiv terminal, og kodeagenter kan bruke de samme CLI-kommandoene.

Det finnes en grense for hvor lenge lagret tilstand oppbevares. Når en sandkasse slettes, også når den slettes fordi den utløper, fjernes de lokale dataene permanent. Resultater må lagres utenfor miljøet eller oppbevares på et tilkoblet sandkassevolum for å kunne brukes på tvers av sandkasser.

Lagring og nettverk står fortsatt på veikartet

Basetens arkitektoniske utgangspunkt er at tidligere grunnleggende skytjenester ble utviklet for én applikasjon som betjener millioner av brukere, mens agenter snur denne modellen til millioner av mikroapplikasjoner som betjener en håndfull menneskelige brukere eller agentbrukere. Hvert miljø trenger dermed sine egne verktøy, opparbeidede arbeidsresultater og filer, støttet av databehandling, lagring, nettverk og identitet som er utviklet for å fungere sammen.

Sandboxes føyes til Dedicated Inference, Model APIs, Training, Loops og Grid på Basetens plattform, og tilfører kjøring til produktene deres for inferens, trening, ruting og styring. Agent Drive skal tilby et distribuert, eksternt filsystem som deles mellom sandkasser og er optimalisert for store skrivevolumer og små filer som kode og Markdown. Agent Proxy skal håndheve tilkoblingsregler utenfor sandkassen og sette inn påloggingsinformasjon under sensitive kall, for eksempel en Stripe-betaling, uten å eksponere denne informasjonen for agenten. Den overordnede utformingen omfatter tillatelser, revisjonslogging, brannmur, statiske IP-adresser og konfigurerbare kontroller. Baseten forventer at Agent Drive og Agent Proxy blir tilgjengelige i løpet av de kommende månedene.

Den praktiske begrensningen er at Sandboxes kan bevare agentens arbeidstilstand mens arbeidet er satt på pause, men resultater som må overleve sletting, fortsatt må lagres utenfor miljøet eller på et tilkoblet volum. Det delte filsystemet og den eksterne håndhevingen av regler for påloggingsinformasjon står fortsatt på veikartet. Agentnettskyen begynner derfor foreløpig med kjøring, ikke med hele systemet for databehandling, lagring og nettverk som Baseten beskriver.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.