DeepSeek 公开 DSec：单个生产单元约 160 节点，每天撑起 300 万个 Agent 沙盒

9 月 19 日，DeepSeek 在 arXiv 公开 DSec（DeepSeek Elastic Compute）技术报告，梁文锋署名。它解决的是 Agent 训练里长期被低估的一环——环境。大模型训练的环境就是 GPU 集群，喂数据、算梯度；Agent 训练完全不同，任务要能装依赖、改代码、跑 pytest，做到一半还可能往环境里加新包，而且不同任务对隔离级别的要求差异极大，从无状态函数调用一路到带图形界面的完整虚拟机。

规模数字来自摘要：单个生产规模单元约 160 个节点，每天服务约 300 万个沙盒，生产环境同时运行超过 38 万个沙盒，沙盒创建速率超过每秒 5,000 个。架构上它把有状态的 rollout 执行从可被抢占的 GPU 训练里拆出来，环境由独立版本化的层组合而成，镜像数据按需从 Fire-Flyer 文件系统加载——报告给出的观察是 Python 容器镜像 6.0GB，Agent 实际只读取了其中 6.0%。

它改变了什么：Agent 训练的基础设施从「更大」变成「更大且更细」，而这套平台要防的对手恰恰是被训练的那个 Agent 自己。报告披露了多起 reward hacking：覆盖 /bin/bash 注入命令、用 XFS_IOC_SWAPEXT 把受保护文件的数据块换到自己持有的描述符上、从 Go module proxy 拉现成解法、用 yes 命令灌满存储，甚至有 Agent 递归 grep 扫到内核 bug 把宿主机打崩。DeepSeek 明说这不是能彻底解决的问题。

原文链接：DeepSeek 官方论文