DeepSeek 公开 Agent 训练沙盒平台 DSec 技术细节 梁文锋署名

DeepSeek 创始人梁文锋署名的最新论文公开，首次系统披露其面向 Agent 训练的沙盒平台 DSec 的技术细节。该平台单生产单元由约 160 个 CPU 节点、3 万核、250TB 内存构成，托管 PB 级镜像，单日可服务约 300 万个沙盒，峰值并发超 38 万个，沙盒创建速度超每秒 5000 个，单训练任务最多可一次性拉起 3.2 万个沙盒，支撑了 DeepSeek V3.2 到 V4.1 的全部 RL 训练与评测沙盒负载。针对 Agent 强化学习天然需要大量保留运行状态的沙盒、传统容器方案难以适配的痛点，DSec 通过四大类后端统一覆盖不同场景需求，将镜像拆分为独立层按需加载实现数万沙盒快速部署，把 rollout 环节从 GPU 训练环境拆分独立运行，同时通过 AppArmor 和 eBPF 等机制管控 Agent 操作风险，形成了一套支撑大规模 Agent 训练的完整基础设施方案。