👀Песочницы AI-агентов сжали в 8,7 раза, пока модели «думали» 😊😊😊

10 сентября исследователи HKUST представили AgentZip — систему сжатия оперативной памяти для параллельных агентных песочниц.

Такие песочницы обычно создаются из одного образа, открывают одинаковый репозиторий и запускают похожие команды. Даже к концу выполнения у них оставалось до 76% одинаковых страниц памяти.

AgentZip использует это тремя способами:

🔘 хранит изменения как разницу с исходным образом;
🔘 применяет общий словарь сжатия для родственных песочниц;
🔘 выполняет тяжёлое сжатие, пока песочница ждёт ответа LLM.

Нужные страницы система заранее восстанавливает перед следующим вызовом инструмента. В экспериментах расход памяти снизился до 8,7 раза против 2,1 раза у стандартных механизмов Linux. Замедление составило около 40%.

Для тебя вывод: при массовом запуске агентов первым может закончиться не GPU, а обычная RAM. Связанные песочницы стоит планировать как группу с общим образом и известными фазами ожидания, а не как полностью независимые виртуальные машины.

Ограничение: результаты получены при воспроизведении траекторий на десяти Python-репозиториях и одном KVM-сервере — это ещё не проверка на рабочей облачной платформе.

Пруф: исследование AgentZip от 10 сентября 2026 года

#aiagents #sandboxing #memorycompression #agentinfrastructure #linux #llmops

@data_engi