Modal: a sandbox de um agente de IA usa menos de 6% do pico de CPU por mais da metade do tempo
Um agente de programação passa a maior parte do tempo esperando a resposta do modelo, e o processador da sandbox fica ocioso. Segundo a Modal, uma Sandbox típica usa menos de 6% do seu pico de CPU por mais da metade da sua vida; os picos acontecem na instalação de dependências, nos testes e na compilação. Pagar por uma reserva para o pico é como alugar um caminhão por um dia para fazer só duas viagens. Por isso, a Modal oferece um pedido mínimo e um "turbo" temporário, e o ideal é dimensionar os recursos com base no perfil real do agente.
Processado por IA de Modal Blog; editado por Hamidun News
Se você executa agentes de IA em sandboxes isoladas, conhece a aritmética incômoda: os recursos costumam ser contratados para o pior cenário, e grande parte do tempo eles ficam ociosos. O blog da Modal analisa esse problema com números. A empresa afirma que uma Sandbox típica usa menos de 6% do seu pico de CPU por mais da metade da sua vida. Em outras palavras, você paga por uma potência que só é necessária por alguns segundos. Daí a ideia do título original: "burst, don't reserve", ou seja, deixe a sandbox acelerar por um curto período, em vez de reservar potência antecipadamente.
Por que reservar para o pico não funciona para agentes
Pegue um agente de programação. Ele opera em ciclo: o modelo decide o que fazer em seguida, o agente executa um comando, recebe o resultado e volta a esperar o modelo. Enquanto o modelo raciocina, a sandbox quase não faz nada. A carga dispara quando o agente instala dependências, executa testes ou compila o projeto.
O mesmo padrão se repete em outros cenários comuns: rollouts de RL (execuções do agente para aprendizado por reforço), avaliações de modelos (evals) e construtores de aplicações. Em todos eles há pausas longas e picos curtos.
Imagine alugar um caminhão para o dia inteiro porque você precisa transportar móveis duas vezes. A reserva fixa de CPU para o pico funciona da mesma forma: você chuta o máximo, contrata com folga e mantém essa capacidade o tempo todo, embora o pico dure pouco.
O que mostra uma sessão real
A Modal apresenta o registro de uma execução real numa tarefa do Terminal-Bench 2.1: "encontrar e corrigir uma vulnerabilidade em um repositório". O agente concluiu a tarefa em 2 minutos e 46 segundos e fez 10 chamadas ao modelo. O processador ficou praticamente em zero na maior parte do tempo, com picos curtos ao executar o pytest. A memória se manteve em cerca de 47 MiB.
Ambos os indicadores couberam no pedido mínimo da sandbox: 0,125 núcleo e 128 MiB. Neste exemplo, nenhum limite foi definido, e o pedido mínimo foi suficiente.
A estrutura do tempo também é reveladora. Cerca de 33 segundos o agente esperou a resposta do modelo, e outras duas pausas de 60 segundos foram solicitadas por ele mesmo. Durante todo esse período, a sandbox ficou ociosa. Ao longo do processo, o agente inspecionou o repositório e o histórico do git, executou os testes, encontrou um teste que falhava, leu a classe HeaderDict da biblioteca bottle e ajustou as verificações de cabeçalhos. No fim, todos os 367 testes passaram. Os próprios testes levaram um ou dois segundos.
O que fazer na prática
A principal conclusão para quem constrói plataformas de agentes é não orçar a potência de pico para a sessão inteira. Primeiro, meça o perfil dos seus agentes:
- quanto tempo eles esperam pelo modelo;
- com que frequência executam compilações e testes;
- quão altos são os picos de CPU e de memória.
Quanto maior a fatia de espera, maior o potencial ganho do esquema "pedido mínimo mais aceleração sob demanda". Se recursos garantidos forem críticos, o pedido pode ser aumentado, mas aí se trata de uma escolha consciente, e não do valor padrão. Como a Modal cobra pelo consumo acima do pedido, consulte a documentação e a tabela de preços: a fórmula detalhada não está no material analisado.
Limitações
Trata-se de uma publicação do próprio provedor, e o exemplo foi escolhido de forma ilustrativa: uma tarefa curta com pausas longas. Agentes que compilam projetos grandes ou executam testes pesados continuamente terão menos tempo ocioso, e a economia será mais modesta. O número "menos de 6% do pico de CPU por mais da metade do tempo" se refere a uma Sandbox típica na plataforma da Modal, ou seja, a um retrato médio. A sua carga pode ser diferente, e o material não traz medições independentes nem comparações com os preços de concorrentes.
Ainda assim, a direção é clara. As cargas de agentes são irregulares por natureza: longas pausas para raciocínio e curtos surtos de trabalho. Um modelo de cobrança que leva isso em conta parece mais justo do que alugar potência para o pico durante a sessão inteira. Para fundadores e product managers, isso é um motivo para recalcular a unit economics dos agentes com base na carga média; para engenheiros, é um item a mais na checklist ao escolher uma plataforma de sandboxes.
- 20 de nov. de 2026Abundant roda 2 milhões de sandboxes por mês e paga pelo consumo médio, não pelo pico
- 12 de nov. de 2026Modal avança no gVisor: isolamento de tarefas de IA com inicialização do sandbox em 25 ms
- 12 de nov. de 2026NVIDIA Vera dobra a velocidade do Modal Sandboxes: até 4.281 tarefas por minuto com 150 contêineres
- 12 de nov. de 2026Meta abre os pesos do Muse Spark Open: codificação agêntica e 1 milhão de tokens já na Modal
Perguntas frequentes sobre a notícia
Por que reservar para o pico não funciona para agentes?
Pegue um agente de programação. Ele opera em ciclo: o modelo decide o que fazer em seguida, o agente executa um comando, recebe o resultado e volta a esperar o modelo. Enquanto o modelo raciocina, a sandbox quase não faz nada. A carga dispara quando o agente instala dependências, executa testes ou compila o projeto. O mesmo padrão se repete em outros cenários comuns: rollouts de RL (execuções do agente para aprendizado por reforço), avaliações de modelos (evals) e construtores de aplicações.
O que mostra uma sessão real?
A Modal apresenta o registro de uma execução real numa tarefa do Terminal-Bench 2.1: "encontrar e corrigir uma vulnerabilidade em um repositório". O agente concluiu a tarefa em 2 minutos e 46 segundos e fez 10 chamadas ao modelo. O processador ficou praticamente em zero na maior parte do tempo, com picos curtos ao executar o pytest. A memória se manteve em cerca de 47 MiB. Ambos os indicadores couberam no pedido mínimo da sandbox: 0,125 núcleo e 128 MiB.
O que fazer na prática?
A principal conclusão para quem constrói plataformas de agentes é não orçar a potência de pico para a sessão inteira. Primeiro, meça o perfil dos seus agentes: quanto tempo eles esperam pelo modelo; com que frequência executam compilações e testes; quão altos são os picos de CPU e de memória. Quanto maior a fatia de espera, maior o potencial ganho do esquema "pedido mínimo mais aceleração sob demanda".
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.