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。

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。

更值得注意的是，论文明确提到：从 DeepSeek V3.2 到 V4.1，DeepSeek 用于 RL 训练和评测的 sandbox workload 都运行在 DSec 上。

也就是说，这篇论文展示的，其实是 DeepSeek 在 Agentic RL 时代给模型搭出的那座「训练场」。

而当训练规模来到几十万个并发 Agent 时，一个看似简单的问题迅速变得棘手：这么多 Agent，到底在哪儿跑？

#Deepseek #论文 #梁文锋 #Agent #ai #大模型