Cloudflare/官方:Containers 為代理沙箱重構——啟動中位六百四十八毫秒、提速逾六倍;檔案系統快照公開測試

Key takeaway

Cloudflare 於二零二六年九月三十日宣布,全面重構 Cloudflare Containers,對準代理(agent)按需建立沙箱的工作負載:新 durable_object 排程政策允許程式在執行期選擇映像與實例規格,容器啟動中位時間由約四點零秒降至六百四十八毫秒(獨立基準約六點二倍),並推出檔案系統快照公開測試。以下內容已核對 Cloudflare 官方博客原文,來源真實性已驗證。

Cloudflare/官方:Containers 為代理沙箱重構——啟動中位六百四十八毫秒、提速逾六倍;檔案系統快照公開測試

Cloudflare 於二零二六年九月三十日宣布,全面重構 Cloudflare Containers,對準代理(agent)按需建立沙箱的工作負載:新 durable_object 排程政策允許程式在執行期選擇映像與實例規格,容器啟動中位時間由約四點零秒降至六百四十八毫秒(獨立基準約六點二倍),並推出檔案系統快照公開測試。以下內容已核對 Cloudflare 官方博客原文,來源真實性已驗證。

Cloudflare/官方:Containers 為代理沙箱重構——啟動中位六百四十八毫秒、提速逾六倍;檔案系統快照公開測試

Cloudflare 在官方博客〈Cloudflare Containers, rebuilt to scale agent sandboxes〉指出,代理作業並非事先部署一組固定沙箱,而是為每個任務即時建立環境、期望立即就緒,並能暫停與恢復。團隊因此自底層改寫 Containers 基礎建設:把每個沙箱的控制權交回應用程式碼,同時以新執行期縮短「建立沙箱到可下達第一道指令」的路徑。官方強調,每一個 Container 仍然綁定專屬 Durable Object,作為就近運行的持久控制器,管理生命週期與出站流量;更多能力亦直接掛上原生 ctx.container API,並延伸至 Sandbox SDK 1.0。

文章提到,該模式已見於 Base44 應用建置工作區、Kilo Code 雲端代理工作階段,以及與 Cursor Cloud Agents、Devin Outposts、OpenAI Agents API、Claude Managed Agents 等整合場景。對香港與亞洲正在把編碼代理、評測環境與長時任務搬上雲端的團隊而言,啟動延遲與工作區狀態保存,往往比「能不能跑 Linux」更決定產品是否可用。

一、核心更新:為代理重想容器排程與執行期

技術細節

過去 Cloudflare Containers 較偏向「應用部署」心態:映像與算力在部署時選定,以應用為配置與滾動單位。代理工作區則相反——任務決定映像、資源、工具鏈與起始檔案系統,生命週期可能只有數分鐘,也可能在請求之間休眠、數日後再還原。官方因此推出新的 durable_object 排程政策:映像與實例類型改為沙箱啟動時由程式傳入的參數;並在公開測試提供檔案系統快照,以便保存與還原工作區。

在 ComputeSDK 獨立 Burst TTI 基準(同時啟動一百個沙箱、由客戶端量度至可互動)中,官方公布對照為:中位數由四點零四九秒降至六百四十八毫秒(約六點二倍);第九十五百分位由五點八三九秒降至九百一十毫秒(約六點四倍);第九十九百分位由六點七一七秒降至一千一百二十九毫秒(約五點九倍)。Cloudflare 自身初步突發測試亦稱,單一帳戶可在五點三八七秒內、跨六個地點啟動十萬個 Containers。數字均出自官方帖文,本文不另行外推。

二、技術原理深度解析

新排程路徑把需求起點放在已在運行的 Durable Object:優先在同一機器尋找容量,必要時再擴大至同一地點,並偏好本機已有映像或快照的主機,減少啟動時下載。執行期亦改為還原「尚未指派」的預備虛擬機,重用網路與檔案系統設置、合併重複操作,並避免等待第一道指令不需要的服務。

配置面,開發者可在 wrangler 宣告 Durable Object 可選的多組映像(例如 Node 與 Python),於任務到達後以程式選擇 standard-1 或 standard-2 等實例。官方指,過去要兩套應用、兩個命名空間與路由邏輯才能分開 toolchain;現在可用同一 Durable Object 類別並排啟動不同映像與規格,新增環境多半是程式變更而非重新部署。滾動升級亦改由程式碼決定:執行中的 Container 可繼續用啟動時映像,直到程式停止它;下一次啟動再選新映像,從而支援金絲雀、釘選專案映像、在檢查點遷移或回滾,而不必依賴平台側排水設定。

為進一步壓縮「映像準備」時間,官方推出 cloudflare/debian-trixie 系統映像(Debian Trixie Slim 加上 Node.js 二十四點二十點零 LTS)。因由 Cloudflare 控制,可在合格主機預先分發與解壓;代理可直接啟動 Linux 沙箱,再用 exec() 複製倉庫、安裝套件。檔案系統快照(公開測試)則針對「啟動雖快、建置仍慢」:一次準備好的倉庫、依賴與工具鏈可存成快照,之後多個沙箱從同一基線 independently 啟動,適合評測與強化學習中需要固定環境的對照實驗,也適合編碼代理跨日恢復同一個工作區。

架構上,官方重申 Durable Object 與 Container 的分工:前者保存身分、狀態、憑證與政策並可運行代理迴圈;後者提供完整 Linux 工作區。這呼應「大腦與雙手解耦」——代理可在 Durable Object 維持連線與會話,需要 shell、編譯器或開發伺服器時才喚醒 Container,空閒時停止 Linux 算力。出站請求處理器亦可依使用者授權動態注入憑證與政策,形同每個代理電腦的閘道者模式。官方同時說明:新能力以原生 ctx.container 為準;Container 類別與舊版 Sandbox 類別維護至二零二六年十二月三十一日,既有部署到期後仍可運行但不再更新,建議遷移;Sandbox SDK 1.0 改為可在自有 Durable Object 內使用的工具集;更高層可用 @cloudflare/computer 結合 Dynamic Workers 與 Containers。

三、日常應用場景

1. 開發者與技術團隊

編碼代理需要倉庫、套件管理、編譯器、測試與開發伺服器;若每次會話都重裝依賴,使用者會感到「代理在發呆」。執行期選映像、亞秒級啟動與快照還原,可把等待從「佈建基礎設施」縮成「下第一道指令」。對已接 Cursor/Devin/OpenAI/Claude 等雲端代理管線的團隊,官方帖文將 Containers 定位為 Workers、Dynamic Workers 與 Durable Object 的 Linux 工作區補完。

2. 企業與隱私敏感行業

金融、醫療與受規管行業常要求代理在隔離環境執行、憑證不進模型上下文、操作可審計。Durable Object 可記住授權範圍,並在 Container 邊界強制出站政策;快照則便於在固定基線上做安全評測與回歸,而不把生產秘密寫進共用映像。企業亦可將長時任務拆成「代理腦在 Durable Object、動手在可休眠沙箱」,降低閒置算力成本。

3. 一般用戶

終端用戶較少直接操作 Containers,但會感受產品是否「一開口代理就能改碼、開預覽」。Base44 與 Kilo Code 等客戶引言描述的,正是把構想變成可執行環境、並快速進入指令循環的體驗。啟動變快與工作區可恢復,通常轉化為較少超時與較少「請再等環境準備」的提示。

4. 香港與亞洲市場視角

香港團隊普遍以遠端協作與雲端 CI/代理編碼為日常;延遲敏感的預覽環境、多租戶 SaaS 為客戶開隔沙箱、以及金融科技對資料邊界的要求,都與「可程式化、可快照、可就近調度」的邊緣容器敘事相符。選擇亞太節點與資料駐留策略時,仍應核對 Cloudflare 區域與自身合規要求;本文僅轉述產品能力,不構成部署地區保證。

四、專業評價與潛在考量

優勢

  • 有獨立基準與公開數量級(中位六百四十八毫秒、突發十萬容器)支撐「為代理重構」主張,而非僅口號。
  • 執行期選映像/規格,把多 toolchain 從多應用部署收斂成程式分支,降低營運複雜度。
  • 快照公開測試直擊代理跨會話連續性與評測可重現性兩大痛點。
  • 與 Durable Object、Workers 生態一致,方便已在 Cloudflare 上建事件驅動後端的團隊增量採用。

需要留意的地方

  • 檔案系統快照仍為公開測試,生產關鍵路徑應自備回退與驗證。
  • 舊 Container/Sandbox 抽象有明確日落維護日,既有程式庫需規劃遷移至 ctx.container。
  • 亞秒啟動高度依賴映像/快照已在本機;冷映像或巨大依賴仍可能回到「準備檔案系統」的瓶頸,官方亦直言啟動變快後映像準備佔比會上升。
  • 突發十萬容器等數字屬官方初步測試情境,實際配額、帳單與區域容量仍以控制台與文件為準。

結語

Cloudflare 這次不是再貼一層「AI 標籤」,而是承認代理工作區的生命週期、配置權與狀態保存需求,與傳統應用部署不同,因而重寫排程、加速執行期,並以快照讓沙箱可暫停與接續。對正在把代理編排放進產品的香港技術團隊,值得以官方基準數字與公開測試能力做概念驗證,並同步檢視遷移時程。若需要在香港規劃私有模型、代理編排與資料不出境的企業方案,可參考 YSK Limited 的企業私有 LLM 全託管(年費 HK$88,000 起,Dataset → QLoRA/LoRA → 私有 API):https://ysk.hk/services/ai-automation


參考來源

Related services & products