Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoPaper científico · Para I+DModal Blog→ original

Abundant ejecuta 2 millones de sandboxes al mes y paga por el consumo medio, no por el pico

La startup Abundant prepara tareas para entrenar agentes de IA, y cada intento se ejecuta en una sandbox aislada de Modal. Hay más de 2 millones de sandboxes al mes, y el sistema se montó en dos semanas. Los recursos se reservan según el consumo medio, y los picos los cubre el bursting: la sandbox toma temporalmente más CPU y memoria sin caerse por OOM. Para ejecuciones masivas de agentes, esto sale más barato que reservar hardware para el máximo.

Procesado por IA desde Modal Blog; editado por Hamidun News
Abundant ejecuta 2 millones de sandboxes al mes y paga por el consumo medio, no por el pico
Fuente: Modal Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalModal Blog ↗
Editor jefe
Dato clave #1El monitor dentro de la sandbox envía una señal de «sigo vivo» cada 30 segundos
Dato clave #2Si hay silencio, se comprueba tres veces y después se cierra la sandbox
Benchmark Frontier RSImás de 1300 horas de trabajo de agentes, unos 500 intentos

Imagine que entrena a un agente de IA para optimizar un kernel de GPU o arreglar un repositorio grande. Cada intento hay que lanzarlo en un entorno aislado, vigilar que no se cuelgue y verificar el resultado. Si el agente necesita durante un minuto más procesador o memoria de los que usted reservó, el proceso choca con el límite o se cae con un error de falta de memoria (OOM), y todo el trabajo se pierde.

Si reserva con margen, paga por hardware que está parado. Eso es justo lo que le pasó a la empresa Abundant, y su experiencia la describió el blog de la plataforma Modal. El resultado: más de 2 millones de sandboxes aisladas (Sandboxes) al mes, una arquitectura montada en dos semanas y pago por el consumo medio, no por el pico.

Qué hace Abundant y cómo está montado

Abundant construye entornos de aprendizaje por refuerzo (RL) que usan laboratorios como OpenAI, Anthropic, Google y Meta. El esquema es sencillo: se plantea al modelo una tarea difícil, el modelo intenta resolverla y un mecanismo de comprobación (el verificador) emite un veredicto de «cumplida» o «no cumplida». Cada intento se llama rollout. Para él hacen falta una instrucción, un objetivo, un verificador y una infraestructura: cómputo, Dockerfile, aislamiento y, en ocasiones, GPU. Abundant ha creado más de 75 000 rollouts de este tipo, desde la optimización de kernels de GPU hasta tareas largas de programación. Cada uno se ejecuta en su propia Modal Sandbox.

Hoy casi toda la plataforma funciona sobre Modal. Las Modal Functions forman la API del planificador: lanzan las tareas, eliminan los rollouts colgados y comprueban los resultados. Los entornos viven en las Sandboxes. En un principio, el equipo no quería gestionar clústeres de EC2 a mano para no distraerse del producto principal, es decir, de las propias tareas. Según los datos de noviembre de 2026, la plataforma lanza más de dos millones de sandboxes al mes.

Cada rollout consta de cuatro pasos: arranque, intento, verificación e informe. Durante todo ese tiempo hace falta un «monitor» que confirme que la sandbox sigue viva. Abundant barajó colocar el monitor fuera, pero eligió otro camino: un monitor pequeño funciona dentro de la sandbox, y esta se lanza mediante Functions de corta duración. El monitor envía por HTTP una señal de «sigo vivo» cada 30 segundos, además de eventos en directo y el resultado final. Si la sandbox deja de dar señales, la capa de control intenta contactar con ella tres veces y solo después la cierra.

Bursting: pagar por el consumo medio, no por el pico

El consumo de CPU y memoria de un agente es irregular: unas veces piensa, otras compila y otras ejecuta pruebas. El equipo de Modal propuso el modo bursting. La sandbox reserva un volumen medio y, cuando lo necesita, toma automáticamente más si hay espacio libre en la máquina; después vuelve a su tamaño original. Así, las sandboxes que de otro modo chocarían con el límite de CPU o se caerían por OOM siguen funcionando.

El efecto es doble. Primero, Abundant paga menos por recursos parados: con un esquema fijo hay que reservar para el pico, mientras que aquí se puede reservar para la media. Segundo, desapareció el trabajo rutinario: con una variedad de tareas tan grande, ajustar a mano la CPU y la memoria de cada una resultaba tedioso, y perder el progreso por un OOM salía caro. Una salvedad: el bursting funciona mientras el host tenga margen, es decir, no garantiza recursos pico. El material no incluye cifras concretas de ahorro.

Un verificador difícil de engañar

Si el modelo puede hacer trampa, la evaluación no sirve de nada: un verificador fiable hace al modelo realmente más fuerte. Por eso las tareas se prueban primero con agentes hostiles. En las primeras pruebas se vio que los modelos a veces encontraban copias de sus propias instrucciones. Entendían que se les estaba evaluando, y los resultados se distorsionaban. En los benchmarks es importante que el agente crea que trabaja de verdad, en un entorno y con datos como los de una operación real.

Abundant cambió el orden de lanzamiento para que todas las instrucciones se eliminen antes de que empiece el trabajo. Además, añadió a la verificación un agente revisor: lee las trazas de ejecución y marca los indicios de que el agente ha sospechado que lo estaban evaluando.

Resultados y conclusión práctica

La arquitectura se implantó en unas dos semanas. El primer benchmark público de Abundant, Frontier RSI, mide la capacidad de los modelos de lenguaje para mejorarse a sí mismos. Para los primeros resultados publicados, Modal proporcionó más de 1300 horas de trabajo de investigación de agentes en casi 500 intentos.

Conviene recordar que el texto se publicó en el blog de la propia Modal: es un caso de proveedor, no una prueba independiente. Pero las lecciones se aplican de forma más amplia. Si ejecuta agentes a gran escala, mantenga el monitor de actividad dentro del entorno aislado, reserve recursos según el consumo medio si la plataforma permite un margen temporal y compruebe que no deja al agente rastros de las instrucciones que le permitan deducir que lo están probando.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué hace Abundant y cómo está montado?

Abundant construye entornos de aprendizaje por refuerzo (RL) que usan laboratorios como OpenAI, Anthropic, Google y Meta. El esquema es sencillo: se plantea al modelo una tarea difícil, el modelo intenta resolverla y un mecanismo de comprobación (el verificador) emite un veredicto de «cumplida» o «no cumplida». Cada intento se llama rollout. Para él hacen falta una instrucción, un objetivo, un verificador y una infraestructura: cómputo, Dockerfile, aislamiento y, en ocasiones, GPU.

¿Qué se sabe sobre Bursting: pagar por el consumo medio, no por el pico?

El consumo de CPU y memoria de un agente es irregular: unas veces piensa, otras compila y otras ejecuta pruebas. El equipo de Modal propuso el modo bursting. La sandbox reserva un volumen medio y, cuando lo necesita, toma automáticamente más si hay espacio libre en la máquina; después vuelve a su tamaño original. Así, las sandboxes que de otro modo chocarían con el límite de CPU o se caerían por OOM siguen funcionando. El efecto es doble.

¿Qué se sabe sobre Un verificador difícil de engañar?

Si el modelo puede hacer trampa, la evaluación no sirve de nada: un verificador fiable hace al modelo realmente más fuerte. Por eso las tareas se prueban primero con agentes hostiles. En las primeras pruebas se vio que los modelos a veces encontraban copias de sus propias instrucciones. Entendían que se les estaba evaluando, y los resultados se distorsionaban. En los benchmarks es importante que el agente crea que trabaja de verdad, en un entorno y con datos como los de una operación real.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
¿Qué te parece?
Cargando comentarios…