DeepSeek 发布 DSec 沙箱基础设施论文，支撑大规模 Agent 强化学习训练
Agent 训练的真正瓶颈不在模型而在沙箱基础设施；这篇论文给出了几十万并发有状态环境的工程解法。
DeepSeek 发布 31 页系统论文，介绍内部生产级沙箱平台 DSec（DeepSeek Elastic Compute，弹性算力平台）。单个生产单元约 160 台 CPU 节点、3 万 Core、250 TB 内存，日服务约 300 万个沙箱实例，高峰同时在线超 38 万个，用于 V3.2 到 V4.1 的 RL 训练与评测。
正文摘录
.jpg) DeepSeek 又发论文了。 这一次，他们把重点聚焦到了一个很少被外界看到、却越来越影响 Agent 训练规模的地方： 沙箱基础设施 。  - 论文标题：DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale - 论文链接：https://arxiv.org/pdf/2609.22978v1 这是一篇长达 31 页的系统论文。作者阵容超过百人，包括梁文锋在内。论文介绍了 DeepSeek 内部用于大规模 Agent 训练和评测的生产级沙箱平台 DSec（DeepSeek Elastic Compute） 。 先说一下规模。一个 DSec 生产单元大约由 160 台 CPU 节点、3 万个 CPU Core 和约 250 TB DRAM 组成，管理着 PB 级的镜像和环境层。典型的一天里，它要服务大约 300 万个 sandbox 实例 ；高峰时 同时在线的 sandbox 超过 38 万个，创建速度超过 5000 个 / 秒 。