DeepSeek公开智能体训练沙箱DSec技术细节

DeepSeek近日发布一篇系统论文，首次公开旗下大规模智能体训练专用沙箱基础设施的核心技术细节。论文题为《DeepSeek弹性计算（DSec）：面向大规模智能体训练的高效沙箱基础设施》，全文长达31页，提交时间为9月19日。值得关注的是，论文作者团队规模超过130人，DeepSeek创始人梁文锋位列作者名单最后一位。

据论文介绍，DSec（DeepSeek Elastic Compute）是DeepSeek自研的生产级弹性计算沙箱平台，属于其内部专属基础设施，核心用途是为大模型智能体（Agent）的大规模训练与评测任务提供安全稳定的沙箱运行环境，保障海量Agent训练任务高效、稳定落地。

论文披露的生产环境数据显示，DSec具备极强的大规模并发处理能力。一个标准DSec生产单元由160台CPU节点组成，共计3万个CPU核心、约250TB内存，可管理PB级别的镜像文件与环境层级资源。在日常生产场景中，该单元每日可服务约300万个沙箱实例，稳定支撑超38万个并发沙箱同时运行，沙箱创建速率峰值可达每秒5000次以上。

除并发吞吐能力外，资源效率同样是DSec的设计重点。经过实际部署与模型评测经验验证，DSec的多项核心机制降低了训练环境搭建、镜像分发的资源开销，并大幅提升了整体内存利用效率。对于需要反复创建与销毁运行环境的智能体训练流程而言，这类优化直接决定了单位算力能够承载的训练规模，也影响着训练任务的调度效率与稳定性。

此次论文将这一基础设施对外公开，也让外界得以一窥支撑DeepSeek海量智能体训练背后的底层工程能力。从公开数据来看，DSec在单单元规模、并发密度与环境分发效率上的表现，为大规模智能体训练的基础设施建设提供了一份可参考的工程样本。