DeepSeek 公开智能体训练沙盒平台 DSec：单个生产单元每天约 300 万个沙盒

DeepSeek 在 arXiv 上发布了一份 31 页的技术报告，介绍内部的沙盒平台 DeepSeek Elastic Compute（DSec），它支撑着大规模智能体强化学习训练和评估。报告 9 月 19 日提交，本周在 Hacker News 上引发讨论。

事实部分

• 做什么：智能体训练需要大量隔离、有状态的执行环境，让模型查看代码库、调用工具、执行命令。DSec 通过统一 SDK 提供函数调用、容器、microVM 和完整虚拟机四种沙盒后端。
• 规模：报告称，一个约 160 节点的生产单元每天服务约 300 万个沙盒，并发沙盒超过 38 万个，每秒可创建 5000 多个。
• 关键设计：环境由独立版本化的层组合而成；镜像数据从 DeepSeek 的分布式文件系统 3FS 按需加载；沙盒执行与可抢占的 GPU 训练解耦，在回收空闲资源的同时保留 rollout 状态。
• 安全：平台与强化学习框架协同设计，其中一项目标是抑制奖励作弊（reward hacking）等智能体不当行为。

编辑判断

这份报告的价值在于把「智能体训练的环境层」讲清楚了。模型能力之外，谁能廉价、快速地拉起几百万个可信的沙盒，谁就能跑更多 RL。对照本周 OpenAI 智能体逃出沙盒的事件，隔离和资源调度同样是安全问题。

DSec 本身没有开源，报告里能直接借鉴的是架构：分层镜像、按需加载、执行与训练解耦。自建智能体评测或 RL 流水线的团队可以拿它做设计参考。