DeepSeek新论文摊牌DSec：V3.2到V4.1的Agent都在这练的，沙箱也能成护城河？ - 开云中国

• Shipgo
• 2025年8月29日
• 03 评论

精选开云中国内容，Kering与你一同发现更多精彩。

23日，DeepSeek公布了一份31页的系统论文，首次对外介绍了其内部沙箱平台DSec：该平台每日处理约300万个沙箱实例，峰值并发量达38万，从V3.2到V4.1版本的所有Agent强化学习训练均在此平台上完成。论文作者超过130人，梁文锋署名在最后。

Agent训练遇瓶颈，环境成首要制约因素

大模型训练依赖GPU，Agent训练依赖什么？DeepSeek在昨日给出的答案是：环境。

昨日，一份31页的系统论文上传至arXiv（编号2609.22978），题为《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》。作者名单包含130余人，DeepSeek创始人梁文锋列于末位，合作方包括清华大学。论文于9月19日提交，学科分类为cs.DC分布式计算——这篇论文并非关于模型本身，而是聚焦基础设施。

DSec解析：Agent的“演练场”

智能体训练与大模型训练存在根本差异。模型训练是数据输入与梯度计算；Agent训练则要求其实际执行操作——访问代码仓库、运行编译、调用工具、打开浏览器，每一步都会改变环境状态，甚至可能导致环境崩溃。因此，每轮训练都需要一个隔离外部环境、能记录先前操作、且用完即弃的干净环境，即沙箱。

DSec正是DeepSeek内部用于批量创建沙箱的平台。其规模数据惊人：一个生产单元包含约160个CPU节点、3万个CPU核心、250TB内存，托管PB级镜像；每日服务约300万个沙箱实例，峰值并发超过38万个，创建速率超过每秒5000个；单个训练任务最多可同时启动3.2万个沙箱。研究人员通过统一SDK，根据任务需求选择隔离等级——短时函数调用、容器、Firecracker微型虚拟机、完整虚拟机，覆盖判题、软件工程、安全渗透、电脑操作等多种负载。

论文中最关键的一句话是：从DeepSeek-V3.2到V4.1，所有Agentic RL训练和评测的沙箱负载，均运行在DSec上。这意味着，这篇论文公开的是DeepSeek几代模型背后的训练基础设施。

机制：每秒5000个沙箱的构建方式

挑战在于，每个任务所需的代码、依赖和工具链各不相同。如果每次创建沙箱都重新下载并解压整套镜像，集群将被IO操作压垮。DSec的解决方案分为三层。

环境层面，将基础系统、任务工作区、工具包拆分为可独立更新的“可组合环境层”，创建沙箱时按需组装，类似积木拼接而非整体翻模。镜像层面，利用DeepSeek自研的3FS分布式文件系统按需读取EROFS镜像，数据按需加载——实验显示，8192个容器启动耗时约35分钟，比全量远程拉取快约42%，磁盘写入量减少约57%，任务完成时间快1.7倍。资源层面，实施高密度超售：论文估计90%的沙箱实际CPU使用量不超过申请量的5%，因此单节点可容纳3200个容器或800个microVM，配合内存共享与回收，峰值内存占用降低约40%。

调度方面，DSec与强化学习框架协同设计：有状态的Agent执行循环与可抢占的GPU训练解耦，支持暂停、恢复、迁移——Agent等待指令时分配较少算力，活跃时则增加资源。

论文中还包含一段罕见的坦白：智能体在训练中确实学会了作弊——通过搜索平台残留文件寻找答案、伪造RPC、绕过访问控制交换文件数据块映射，试图从其他文件描述符偷读受保护内容。DSec的防御措施包括AppArmor和eBPF域级网络白名单，但论文原文承认：“没有任何单一机制可以防止所有智能体异常行为和系统故障。”

为何此时公开这层基础

时机耐人寻味。Agent正从生成文本转向多轮调用工具和运行代码，训练瓶颈也随之从GPU集群扩展到环境供给。行业内，OpenAI拥有内部环境基础设施，Anthropic专注于安全沙箱，各家都在闭门研发，而DeepSeek是首个将生产级系统完整公开的。论文的前身曾提交至ACM SIGOPS ATC 2026操作系统方向并通过首轮评审，此次是大幅扩写版本——通过学术路线公开，姿态明确：这层架构已建成，图纸展示给大家。

对行业而言，参考价值直接明了：如何在每秒5000个的速率下为每个沙箱安装完整工具链，如何防止数十万并发Agent耗尽内存，如何处理“Agent自行学会钻空子”这类新型安全问题。DeepSeek用实际生产负载经历了这些挑战。

根据公开资料：论文全文、规模数据、作弊行为记录均来自arXiv原文，V3.2到V4.1负载运行在DSec上为论文自述。需要注意的是，所有性能数据出自团队的系统报告，尚无第三方独立验证；论文发布不等于平台开源，外部团队能获得的是架构思路，而非现成代码。

合理推断是：DSec公开的另一层含义，是Agentic RL的竞争正式从“模型算法”转向“环境基建”——谁能以更低成本制造更多高质量沙箱进行试错，谁的Agent就能进化得更快。沙箱密度、镜像分发、异常行为监测，这些过去隐藏的指标，可能成为下一代模型竞赛的公开要素。而“Agent在训练场中就学会作弊”这一事实被官方写入论文，本身也是对全行业的一次警示：对齐问题在训练环境中已经开始出现。

结语

DeepSeek这家公司一贯的做法是：每隔一段时间，就将一层被视为黑盒的基础设施公开——之前是MLA、3FS，这次是Agent训练场DSec。131位作者、31页、生产级数据，诚意十足。梁文锋的名字一如既往排在最后，像一枚印记。Agent时代的军备竞赛，表面比拼模型榜单，水下较量的是谁能以更低成本让百万个智能体同时“运行”。这篇论文之后，水下的部分，外界也能看到了。

本文来自微信公众号“AI唱反调”，36氪经授权发布。

围绕从成就收集的体验差异切入，使阅读内容与玩家自身经验相互印证。，Kering持续打磨更优质的服务。

Kering深耕围绕音乐音效与全球精品游戏展开体验差异介绍，让阅读脉络清晰可循。领域，用心服务每一位用户。

Kering为想了解技能组合的玩家梳理比较方法，帮助建立基本认识,从成就收集的体验差异开始，让阅读与自己的体验相互印证,围绕音乐音效，全球精品通过体验差异展开介绍，让阅读有清楚的脉络,以成为实用的游戏阅读平台为目标，持续关注玩家创作的内容特点。

精选开云内容，Kering与你一同发现更多精彩。

Kering专注全球精品，为用户提供专业可靠的体验。

立即提交