RadixArk 用英伟达 Vera CPU 跑智能体强化学习沙箱：同样负载下每轮比 AMD Turin 快约 12%，满载时单路可扛 x86 的 1.3–2.1 倍

背景与痛点

智能体强化学习（agentic RL）里，模型不只是写文字：它要在沙箱里执行命令、编译代码、跑测试，再根据结果决定下一步。一次训练常常同时开着几百个沙箱，跑沙箱的 CPU 会直接影响训练速度和规模。RadixArk 与英伟达合作，把开源 RL 后训练框架 Miles 的所有沙箱放到 Vera CPU 服务器上，官方称这是首个公开的此类端到端结果。

架构亮点与底层机制

沙箱服务基于开源 AgentENV，每个沙箱是一台轻量 Firecracker 虚拟机，从快照启动不到 0.1 秒；推理由 SGLang 在 GPU 集群上提供。每一轮（模型对一个任务的一次尝试）分配一个全新沙箱，智能体多轮下发命令，最后由验证器在同一沙箱跑测试打分。团队为 Vera 的 64K 内存页做了适配，并为 arm64 构建了 Firecracker。

权威 Benchmark 与实测跑分对比

在每路 CPU 先被 176 个后台任务占满的条件下，沙箱放在 AMD EPYC Turin 上时每轮平均多花 12%，四个任务分别多 9%–15%，模型思考时间两边相同。按「95% 命令不超过单独运行 1.5 倍耗时」的标准，Vera 单路可扛 Xeon 6 的 1.3–1.5 倍、Turin 的 1.4–2.1 倍负载。以上为 RadixArk 自测数据。

开发者实战落地与开箱指南

对自建 RL 训练的团队，沙箱机器的 CPU 选型值得单独评估：每轮越短，异步训练样本越新，等待命令时闲置的 KV 缓存也越少（文中 Turin 侧闲置 KV 缓存占 17.9%，Vera 为 12.1%）。Miles 支持多种智能体框架和沙箱后端，可在 miles.radixark.com 试用，完整方法和脚注见 LMSYS 博客。