DeepSeek 日前發佈一篇系統論文，首次公開了旗下大規模智能體訓練專用沙箱基礎設施的核心技術細節。該論文題爲《DeepSeek 彈性計算（DSec）：面向大規模智能體訓練的高效沙箱基礎設施》，全文長達 31 頁，提交時間爲 9 月 19 日。值得一提的是，論文作者團隊規模超過 130 人，DeepSeek 創始人梁文鋒位列作者名單最後一位。

自研沙箱平臺 DSec，單單元日均服務 300 萬實例

據論文介紹，DSec（DeepSeek Elastic Compute）是 DeepSeek 自研的生產級彈性計算沙箱平臺，爲其內部專屬基礎設施，核心用途是爲大模型智能體（Agent）的大規模訓練與評測任務提供安全穩定的沙箱運行環境，保障海量 Agent 訓練任務高效、穩定落地。

論文披露的生產環境數據顯示，DSec 具備極強的大規模併發處理能力：一個標準 DSec 生產單元由 160 臺 CPU 節點組成，共計 3 萬個 CPU 核心、約 250TB 內存，可管理 PB 級別的鏡像文件與環境層級資源。在日常生產場景中，該單元每日可服務約 300 萬個沙箱實例，穩定支撐超 38 萬個併發沙箱同時運行，沙箱創建速率峯值可達每秒 5000 次以上。

降低資源開銷，提升內存效率

經過實際部署與模型評測經驗驗證，DSec 的多項核心機制降低了訓練環境搭建、鏡像分發的資源開銷，並大幅提升了整體內存利用效率。此次論文將這一基礎設施對外公開，也讓外界得以一窺支撐 DeepSeek 海量智能體訓練背後的底層工程能力。