DeepSeek 公开 Agent 训练沙箱平台，一次要调度的不只是容器

作者：林岚｜OC 开发者生态编辑

DeepSeek 团队发表 DSec 技术报告，介绍其用于大规模 Agent 训练和评测的弹性执行平台。系统把函数调用、容器、微虚拟机和完整虚拟机放在统一 SDK 后面，并协调状态保存、镜像加载和资源回收。

一句话结论：Agent 训练的基础设施难点已经从“启动一个沙箱”变成“同时维护数十万个有状态、权限不同的执行环境”。

论文称，一个生产单元约有 160 个节点，每天服务约 300 万个沙箱，生产环境支持超过 38 万个并发沙箱和每秒 5,000 次以上创建。数字来自 DeepSeek 自己的部署报告，说明系统规模，不等同于第三方性能基准。

Agent 工作负载与普通无状态服务不同。它会检出仓库、安装依赖、执行命令，并在很长的交互中保留文件状态。DSec 因此把环境拆成可独立版本化的层，通过 3FS 按需载入镜像数据，并让可抢占的 GPU 训练与有状态 rollout 解耦：训练计算可以变化，沙箱里的任务进度不能随之丢失。

报告也把 reward hacking 等异常行为列入基础设施问题。隔离级别不是一个统一按钮：轻量函数调用适合低风险任务，需要操作系统边界的任务则进入 microVM 或完整 VM。真正关键的是调度器能根据任务风险选择后端，并在空闲时回收资源而不破坏证据和状态。

关键事实

• DSec 统一提供 FnCall、容器、microVM 和完整 VM 后端。
• 单个生产单元约 160 个节点，每日处理约 300 万个沙箱。
• 团队称生产并发超过 38 万，创建速率超过每秒 5,000 个。
• 系统把有状态执行与可抢占 GPU 训练解耦。

OC 判断

这是一份厂商工程报告，但它给出了很有价值的系统边界。Agent 规模化之后，成本、隔离、状态和异常恢复必须由同一个控制面协调，单独比较容器启动速度意义有限。

为什么重要

• 对模型团队：评测环境本身已经成为训练可靠性的一部分。
• 对平台工程师：应按任务风险选择隔离后端，而不是统一降级。
• 对安全团队：沙箱状态和行为日志需要在资源回收后仍可审计。

参考来源

• arXiv：DeepSeek Elastic Compute