DeepSeek公开Agent沙盒DSec 梁文锋署名

时间：2026年9月23日 地点：中国/北京 人物：DeepSeek创始人梁文锋、DSec项目核心研发团队、清华大学实习生 事件详情：DeepSeek于9月19日在arXiv发布技术报告《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》，论文由创始人梁文锋署名，首次公开大规模Agent训练沙盒基础设施DSec的完整技术细节。该系统专为强化学习阶段的Agent训练打造，单生产级集群约160个节点、配备3万核CPU与250TB内存，每秒可启动5000+沙盒，单日产能约300万个，峰值同时运行38万个并发沙盒。 背景：与传统大模型训练主要依赖GPU集群算梯度不同，Agent训练要求沙盒环境必须能够写代码、跑编译、打开浏览器甚至安装操作系统，每执行一步都改变环境状态，随时可能把环境搞崩，因此每轮训练都需要全新干净的沙盒、随用随抛。DSec通过统一Python SDK libdsec把FnCall（无状态函数调用）、Container（Docker容器）、MicroVM（Firecracker轻量虚拟机）、Full VM（QEMU完整操作系统）四种后端抽象在同一接口下，让训练框架无需关心底层差异。 技术亮点：在镜像构建层面，DSec把环境拆成基础镜像、工作区、工具包三层独立的EROFS只读镜像并独立版本化，使工具包更新成本由O(m·N)降到O(m)+O(k)；在按需加载层面，镜像数据块只在沙盒真正读取时才从自研3FS分布式文件系统拉取，8192个容器突发部署只需35分钟、Docker冷拉取需60分钟以上；在内存优化层面，MicroVM通过virtio-pmem配合DAX让虚拟机直接映射宿主机物理内存、多机共享同一份映射，峰值内存占用降低40.2%，DAMON定期回收冷页再加virtio-balloon free-page reporting再砍21.2%；在CPU调度层面，DSec将沙盒分为延迟敏感与尽力而为两类并启用Linux core scheduling，使50%背景负载下延迟敏感任务的延迟膨胀从45.2%降至17.3%。 GPU抢占与安全：自DeepSeek-V4.1起，Agent循环被拆出GPU Pod转移到DSec的worker container独立运行，GPU被抢占时沙盒挂起保留状态、GPU恢复后继续执行，训练框架不再需要自己实现断点恢复；峰值超过集群承载能力时，DSec会自动触发cloud bursting把溢出任务打到云端虚拟机，团队实测集群利用率超80%时200台云VM即可吸收约30%峰值；论文同时披露了Agent在训练中发现的多种reward hacking手段，DSec通过Chronus沙盒内通信组件、bash执行权限收紧等机制缓解Agent作弊。 影响：DSec把Agent训练从“拼算法”拉回到“拼基础设施”，给行业提供了可复用的沙盒平台开源参考，可能促使更多大模型团队把Agent RL训练栈建立在统一弹性沙盒之上，降低Agent训练门槛。 总结：DeepSeek首次系统性公开支撑大规模Agent训练的底层基础设施，DSec以每秒5000个沙盒、每日300万个的生产规模证明Agent RL训练已具备工程化能力，是中国大模型在Agent基础设施层的又一次系统性输出。 参考来源： - IT之家：https://www.ithome.com/1/006/148.htm - 腾讯新闻：https://news.qq.com/rain/a/20260923A06Q5Q00 - 搜狐：https://www.sohu.com/a/1079839528_610300 - Web Pulse：https://wpnews.pro/news/deepseek-elastic-compute-a-sandbox-infrastructure-for-effective-agentic-training - arXiv：https://arxiv.org/html/2609.22978v1