DeepSeek 日前发布一篇系统论文，首次公开了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。该论文题为《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。值得一提的是，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。
一、自研沙箱平台 DSec，单单元日均服务 300 万实例
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，为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。
二、降低资源开销，提升内存效率
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。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。
