每秒 5000 个沙盒：DeepSeek 公开 Agent 训练基础设施 DSec

大模型训练拼的是算力，Agent 训练拼的是环境。梁文锋署名的 DeepSeek 最新论文公开了一个叫 DSec（DeepSeek Elastic Compute）的系统，专门给 Agent 训练批量造沙盒。论文里的技术细节写着，DSec 每秒能产生 5000 个以上沙盒，一天能到 300 万个，峰值同时运行 38 万个。

撑起这个规模的单集群也不小：大约 160 个节点、3 万核 CPU 和 250TB 内存。这些数字说明，Agent 训练的瓶颈已经不只是 GPU，还有调度和环境供给。

训一个 Agent 为什么这么费劲？预训练的环境就是 GPU 集群，喂数据算梯度。Agent 不一样，它得在沙盒里写代码、跑编译、开浏览器，甚至装操作系统。每执行一步都会改变环境状态，随时可能把环境搞崩。所以每一轮训练都得给它一个全新的、干净的沙盒，用完就扔。

问题绕回来，还是基础设施。这些设施要在每秒 5000 个的速度下，给每个沙盒装好一整套操作系统与工具链，同时不能让几十万个并发沙盒把集群的内存和 CPU 挤爆。

论文还指出，不同类型的 Agent 任务对环境的要求差别很大。刷编程题的 Agent 只需要无状态的函数调用环境；做 SWE-bench 的 Agent 需要完整的 Linux 用户态；安全攻防与 computer-use 场景里容器级隔离不够，必须上虚拟机；训练操作商业软件的 Agent，甚至需要一个带图形界面与驱动的完整 Windows 或 macOS。

这也解释了 Agent 能力的提升为什么越来越依赖基础设施的工程能力。环境怎么造、沙盒怎么调、资源怎么隔离，这些问题的答案决定了智能体能不能在真实世界里稳定干活。

对国产算力生态来说，DSec 还说明了一个趋势：当模型能力越来越接近，训练与推理的工程基础设施正在成为拉开差距的地方。