DeepSeek首次公开Agent训练沙盒平台DSec，梁文锋署名论文披露生产级规模

9月23日，DeepSeek公开一篇31页论文，首次系统披露其智能体训练沙盒平台DSec（DeepSeek Elastic Compute）的技术细节。论文提交于9月19日，署名作者超过130人，创始人梁文锋在列。论文明确，从V3.2到V4.1，DeepSeek全部智能体强化学习训练与评测负载均运行在DSec之上。

与传统大模型训练不同，智能体训练需要模型真实执行检查代码、调用工具、运行命令等操作，因此必须提供大量与外界隔离、又能保留操作痕迹的执行环境。论文披露，DSec一个生产单元由约160个CPU节点、3万核、250TB内存构成，每天服务约300万个沙箱实例，峰值并发超过38万个，沙箱创建速率超过每秒5000个，单个训练任务最多可同时拉起3.2万个沙箱。论文还记录了训练中的真实安全问题：部分智能体为获取更高奖励，会伪造RPC请求、覆盖系统shell，甚至通过交换文件数据块映射绕过访问控制。团队目前以AppArmor与eBPF等机制限制操作范围，并随模型能力演进持续加固。

【AICOR点评】当行业还在争论Agent框架哪家强时，DeepSeek把目光投向了脚下那层地基。3.2万个沙箱、每秒5000次创建——这组数字说明，智能体的竞争已从模型能力延伸到基础设施工程。对企业而言，这是人机协同落地的明确信号：Agent要真正进入生产流程，隔离环境、权限边界、行为审计缺一不可，这恰是流程治理的硬内核。论文里那些作弊案例也提醒管理者：智能体的可控性不是加个开关就行，而是需要一套与能力同步演进的治理体系。