
Ray se está consolidando como el runtime de cómputo unificado para las cargas de reinforcement learning (RL) y post-training. Frameworks como veRL, NeMo-RL, SLIME, MILES y SkyRL ya lo usan para coordinar trainers distribuidos, motores de inferencia y rollouts. El cuello de botella que apareció, según Google Cloud, es otro: orquestar sandboxes seguros y aislados a escala para ejecutar rollouts dinámicos, generación de código e interacciones multi-turno de herramientas.
La solución: sandboxes como primitivas de Ray
Google Cloud, en alianza con Anyscale, presentó una librería experimental para Ray que incorpora sandboxing nativo de alto rendimiento — construido sobre tecnologías agentic AI que Google está desarrollando — directamente dentro de los clústeres Ray distribuidos.
La idea central es elegante: en vez de crear una abstracción separada para la ejecución aislada, cada sandbox se representa como un Ray Actor. El scheduler de Ray decide en qué nodo corre el sandbox, le asigna recursos, lo crea, lo destruye, lo recupera ante fallas y lo escala junto con el workload. O sea, el aislamiento pasa a ser una primitiva más del modelo de programación de Ray.
Dónde entra gVisor y GKE
El sandboxing se apoya en gVisor, el runtime de sandboxing de Google, corriendo sobre GKE. La combinación apunta al caso de uso más espinoso del momento: correr código no confiable o generado dinámicamente (rollouts de modelos agentic, ejecución de tool calls) sin exponer el nodo.
Por qué importa
Esto es señal de madurez del ecosistema RL/agentic. Cuando los workloads de post-training empiezan a ejecutar código generado por modelos, la seguridad deja de ser un nice-to-have y se vuelve requisito de infraestructura. Que el aislamiento se integre como primitiva nativa de Ray — y no como un parche por afuera — es el tipo de movimiento que define cómo se van a operar los clústeres de entrenamiento en los próximos años.


