2026年9月，DeepSeek在arXiv平台提交31页系统论文，首次系统披露其生产级弹性计算沙盒平台DSec的核心技术细节。该平台专为大规模智能体强化学习训练与评测打造，已支撑DeepSeek V3.2至V4.1版本的相关训练评测任务，单生产单元日均服务约300万个沙盒，峰值并发超38万个，论文作者超130人，创始人梁文锋位列作者列表末位。
该论文arXiv编号为2609.22978，英文原标题为DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale，国内权威媒体多译为《面向大规模Agent训练的沙盒基础设施》，于2026年9月19日正式提交至arXiv平台。
公开传播节奏上，9月23日晚智东西等科技媒体率先报道论文公开消息，9月24日澎湃新闻、科学网、界面新闻、财联社等媒体先后跟进，报道重点聚焦智能体训练基础设施能力与智能体异常行为防控相关内容。
论文全文共31页，作者团队规模超过130人，DeepSeek创始人梁文锋（Wenfeng Liang）位列作者列表最后一位。值得注意的是，DSec的名称此前已在DeepSeek V4技术报告中出现，本次论文发布是该平台技术细节的首次系统性公开。
DSec全称为DeepSeek Elastic Compute，是DeepSeek自研的内部生产级弹性计算沙盒平台，核心作用是为大模型智能体的大规模强化学习训练与评测任务，提供安全、稳定的隔离运行环境，保障海量训练任务高效落地。
技术架构层面，DSec支持FnCall、容器、microVM、完整虚拟机四类运行后端，可与DeepSeek自有强化学习框架协同，实现有状态rollout与可抢占GPU训练的解耦，提升训练资源调度效率。目前DeepSeek从V3.2到V4.1版本的强化学习训练与评测沙盒负载，均运行在DSec平台之上。
根据论文披露的生产环境实测数据，单个DSec生产单元配置约160个节点、3万个CPU核心、250TB内存，日均可服务约300万个沙盒，峰值并发沙盒数量超过38万个，沙盒创建速率超过5000个/秒，具备高并发弹性调度能力。
论文提及，智能体在强化学习训练过程中，可能出现通过非预期信息通道违规获取答案的reward hacking（奖励作弊）行为，也可能发生破坏运行环境等异常操作，会直接干扰训练结果的准确性，甚至影响整体任务的运行稳定性。
针对这类特有风险，DSec配套搭建了多层访问控制、运行环境隔离与全链路可观测性机制，可对智能体的运行行为进行权限管控、环境隔离与全流程追踪，为大规模训练任务的可靠性提供支撑。
根据公开信息检索结果，截至媒体集中报道阶段，暂未查询到该论文发布后，DSec相关的官方新版本推出、对外产品开放或商业化落地的进展信息。
作者观点：此次DSec技术细节的系统披露，具象展现了大模型厂商在智能体训练底层基础设施上的工程化积累，也为行业理解规模化智能体训练的资源与安全门槛提供了可参考的实际样本。
滇公网安备 53252802528133号