DeepSeek在arXiv公開一份技術報告，標題為《DeepSeek Elastic Compute (DSec)：面向大規模智能代理訓練的沙盒基礎設施》，提交日期為9月19日。報告談的是DeepSeek在訓練與評測AI代理人時，讓模型寫程式碼、執行指令、操作電腦所使用的執行環境層。作者名單超過百人，主體單位是DeepSeek-AI，其中包含以實習身分參與的清華大學博士生。
模型訓練相關的報告，DeepSeek已發表不少；但把強化學習背後這套「訓練場」單獨寫成論文，這是第一次。
四種沙盒，一套介面
DSec透過統一SDK對外提供四種後端，依隔離強度與負擔由輕到重排列：
- FnCall：無狀態任務，例如線上評測系統（OJ）
- 容器：軟體工程、工具呼叫類任務
- Firecracker microVM：需要更強隔離的資安滲透類任務
- 完整虛擬機（QEMU）：Android開發、圖形密集型任務
涵蓋的負載包括SWE-bench這類儲存庫層級的程式碼任務、資安漏洞利用、電腦操作與行動裝置開發。訓練框架端只呼叫同一套介面，底層要用哪種沙盒，由排程層依任務類型分配。
幾組工程數字
映像檔載入是報告著墨最多的部分。DSec把映像檔存成EROFS格式，放在DeepSeek自行開發的分散式檔案系統3FS上按需讀取。相較於傳統做法先把整個Docker映像檔拉到本機，同一批任務的完成時間從60多分鐘縮短到約35分鐘，報告給出的倍率是1.71倍；累計磁碟寫入量減少57%。
在記憶體方面，報告採用virtio-pmem搭配DAX，讓同一台機器上的多個虛擬機共用同一份頁面快取，不必各自存一份，主機尖峰記憶體用量下降40.2%；再加上DAMON與氣球驅動程式的閒置頁面回收機制，按時間累積的記憶體用量再降21.2%。
還有一項設計與訓練直接相關：rollout的執行被搬到DSec上，拆成兩個元件，由AI代理人沙盒與工作容器共同保存完整的rollout狀態。GPU訓練任務可被搶佔，被搶佔時不會把進行中的多步互動一併帶走。
與海外同業放在一起看
AI代理人沙盒這門生意，海外已有一批專門的公司在做。OpenAI今年4月替Agents SDK加入沙盒功能時，串接的是E2B、Modal、Daytona、Cloudflare等第三方服務商；Anthropic之後推出自架式沙盒，Cursor則做了作業系統層級的程式碼沙盒。這些產品鎖定的是在正式環境跑AI代理人的開發者，關注重點是安全邊界與按用量計費。
DSec的出發點不同。它服務的是DeepSeek自身的強化學習訓練，要解決的是一天要啟動、銷毀數百萬個環境，同時不能拖慢GPU運算的問題。報告裡的同時執行數與密度數字，在對外銷售的沙盒產品裡很少見到公開口徑，無法逐一比較。
海外幾家頂尖實驗室內部很可能也有類似系統，但很少把架構與數字寫成論文公開。DeepSeek這次把四種後端的取捨、映像檔與記憶體的最佳化手法都攤開來講，讓中國國內做智能代理人訓練的團隊多了一份可以對照的工程參考。報告並未說明DSec是否會開放原始碼，也沒有提到是否會作為雲端服務對外提供。
參考來源：CocoLoop、arXiv論文DeepSeek Elastic Compute (DSec)、OpenAI Agents SDK文件；同時執行數、密度與映像檔載入加速的數字，皆以論文本文口徑核實。