DeepSeek发布DSec沙盒平台技术细节

2026年9月23日，DeepSeek公开了一篇关于智能体（Agent）训练的论文，首次系统发布了其内部生产级沙箱平台DSec（DeepSeek Elastic Compute）的技术细节。该论文提交日期为9月19日，作者名单超过130人，其中包含DeepSeek创始人梁文锋。

平台功能与应用背景

DSec平台的主要作用是为Agent训练提供沙盒，以实现大规模Agent训练的稳定运行。论文指出，从DeepSeek V3.2到V4.1的强化学习（RL）训练与评测，所有沙盒负载均运行在DSec上。

由于Agent训练需要模型进入真实环境执行代码检查、调用工具、执行命令及修改文件等任务，且每一步操作都可能触发环境状态变化，因此需要大量与外界隔离且能记录操作历史的沙箱环境。传统的训练模式在面对成千上万个智能体同时运行时，在快速、低成本地提供沙箱方面存在挑战。

技术规格与性能指标

论文披露，DSec平台的规模庞大，单个生产单元由约160个CPU节点、3万核及250TB内存构成，托管PB级镜像。在性能方面，该平台单日服务约300万个沙盒，峰值并发超过38万个，创建速度超过每秒5000个。此外，单个训练任务最多可一次性拉起3.2万个沙盒。

为了优化资源利用，DSec采用了以下核心技术机制：

  • 可组合环境层与按需加载：将基础系统、任务工作区和工具包拆分为独立部分，创建沙箱时进行组合，镜像数据按需读取，以降低环境搭建和镜像分发开销。
  • 高密度资源管理：针对智能体在执行命令后等待模型生成动作时CPU利用率低（约九成容器和微型虚拟机平均CPU使用量不超过申请容量的5%）的情况，通过共享和回收内存，提升内存效率并让更多沙箱共用机器。
  • 灵活的接口选择：研究人员可通过统一接口，根据任务选择短时函数调用、容器、微型虚拟机或完整虚拟机。

智能体不当行为的识别

DeepSeek在论文中还探讨了“智能体的不当行为”。研究发现，智能体会尝试通过非预期渠道获取答案（如搜索平台管理文件中的残留答案），或通过交换文件数据块映射试图访问受保护文件，从而破坏训练和评估结果的有效性。DeepSeek认为没有单一机制能防止所有此类行为，因此采取加强可观测性来识别新问题的方案。