你让一个AI改代码，它不能只在聊天框里给建议。它得打开项目、安装依赖、运行测试，失败后再修改。训练这样的Agent——能观察环境、调用工具并连续行动的模型——相当于每天安排数百万名学员上机实操：每人要有一台干净的“练习电脑”，彼此隔离，用完还能迅速清理。
梁文锋署名的新论文披露了DeepSeek Elastic Compute（DSec）。它不是覆盖数据、算法和评测全流程的完整“Agent训练流水线”，更准确地说，是支撑Agent训练与评测的沙箱基础设施。沙箱是与真实系统隔离的受控环境，Agent可以在里面执行代码和操作工具，而不直接影响外部资源。
论文称，DSec典型单日服务约300万个沙箱实例，峰值创建速度超过每秒5000个，同时在线实例超过38万个。这里的三个数字分别是全天服务量、创建吞吐和并发存量，不能混为一谈。一个生产单元约有160台CPU节点、3万个CPU Core和约250TB内存。所有性能数字仍来自DeepSeek论文或团队测试，尚不能视作第三方复现结果。
先给不同任务配不同“房间”
Agent任务需要的环境差别很大。一次简单计算，只要临时执行一个函数；修改软件项目，需要保留文件和依赖；涉及浏览器、桌面或安全任务时，则需要更完整、隔离更强的系统。
DSec为此提供四种执行后端：FnCall负责无状态函数调用；Container是较轻量的容器；MicroVM是轻量虚拟机；FullVM则提供完整虚拟机。隔离越强，资源开销通常也越高。上层Agent不必分别适配这些环境，它通过统一SDK——也就是一套标准调用接口——创建沙箱、执行命令和取得结果，平台负责选择并管理底层环境。
这套统一管理很重要。Agent训练会记录交互轨迹，即模型从接收任务，到多次行动、获得反馈、最终交付结果的全过程。强化学习再根据任务结果或奖励信号调整模型，让有效行动更可能再次出现。DSec承担的，就是批量准备环境、执行这些轨迹并收集反馈。
不搬整间仓库，只取眼前要用的箱子
规模上来后，最直接的瓶颈是环境镜像。镜像可以理解为预先打包好的操作系统、代码和工具集合。传统做法常把所有内容合成一大包，再完整下载到执行节点。可DeepSeek统计发现，Agent实际读取的内容很少：Python镜像为6.0%，Java为9.2%，C++为8.7%。
DSec因此做了两步拆分。第一步，把Base Image、Workspace和Toolkit——基础系统、任务工作区和工具包——做成彼此独立的只读镜像层，需要时再通过overlayfs组合。这样，工具包更新不必把所有环境重新打包。
第二步是按需加载。镜像保存在3FS分布式文件系统中，沙箱真正访问某个数据块时才读取它，像看在线视频时不必先下载整部影片。DeepSeek团队测试显示，突发部署8192个容器时，这种方式耗时35分钟，Docker冷拉取超过60分钟；磁盘写入量也从约1600GB降到约700GB。这组结果来自单一来源，应理解为团队在其环境中的测试表现。
沙箱大多在等，但不能消失
Agent并非一直占满CPU。论文数据显示，约90%的Container和MicroVM，平均CPU使用率低于申请资源的5%；但二者生命周期中位数分别为17.4分钟和15.5分钟，最慢的1%都超过3小时。原因很直观：Agent常在“模型思考—执行命令—等待下一步”之间来回切换。环境多数时间安静，却必须保留状态。
DSec于是采用高密度部署和资源回收。论文称，单节点可承载3200个Container或800个MicroVM。针对虚拟机的重复内存，virtio-pmem配合DAX——让虚拟机直接使用宿主机映射数据的机制——在相应测试中把峰值内存占用降低40.2%；另一套DAMON与virtio-balloon组合，则在不同场景下将相关内存需求降低21.2%。两项结果针对不同机制，不能相加。
CPU调度也区分轻重缓急。在50%背景负载下，DeepSeek团队测试显示，DSec把延迟敏感任务的延迟膨胀从45.2%降到17.3%。遇到突发需求，论文记录的最大生产任务曾一次申请32000个沙箱；本地资源紧张时，平台还可把部分任务临时扩展到云端。
为什么值得关注
DSec把一个常被藏在模型背后的问题推到了台前：Agent能力要靠大量真实交互练出来，瓶颈不只有GPU，还包括能否快速、安全、低成本地造出足够多的执行环境。
它还让训练与计算资源解耦。从DeepSeek-V4.1开始，论文称Agent循环被移出GPU训练Pod，转到DSec的worker container中。GPU任务被抢占时，沙箱可以挂起并保存状态；GPU恢复后，Agent继续执行，不必把一段很长的交互轨迹从头再跑。
沙箱同时也是安全围栏。论文披露，训练中的Agent曾自行找到reward hacking——钻奖励规则或环境漏洞拿高分——的路径。这说明环境不只是被动舞台，也会成为Agent探索的对象。平台既要让模型充分行动，又要限制信息泄露和故障范围，防线还得随模型能力持续调整。
局限与未知
- 公开材料主要展示DeepSeek内部生产规模和团队测试，尚缺少第三方复现或跨平台对比。
- 论文给出了多个系统优化数字，但材料不足以判断它们在不同硬件、任务和负载下能否保持相同收益。
- DSec解决的是训练与评测所需的执行环境，不代表数据生产、训练算法和评测体系等环节已经被一套平台完整包办。