摘要：
2026 年 9 月 19 日，DeepSeek 提交技术论文，对外公布内部自研弹性计算沙箱平台 DeepSeek DSec，专为大规模智能体强化学习训练与评测打造，提供带状态保存... 2026 年 9 月 19 日，DeepSeek 提交技术论文，对外公布内部自研弹性计算沙箱平台 DeepSeek DSec，专为大规模智能体强化学习训练与评测打造，提供带状态保存能力的隔离执行环境，如今不少 AI 工具导航平台已经收录这项技术方案。
智能体训练过程中，模型需要在隔离环境执行代码、调用各类工具，批量创建环境、保留交互状态是一大技术难点，DSec 正是为解决该痛点而生。平台支持函数调用、容器、微型虚拟机、完整虚拟机四类隔离后端，开发者借助统一 SDK，可依据任务安全等级灵活切换，适配判题、软件工程、安全渗透等多样化负载，不用针对不同场景单独搭建运行环境。
平台引入可组合环境层与按需镜像加载机制，将基础系统、工作目录、工具包拆分为独立模块，依托 3FS 分布式文件系统按需读取镜像，仅加载运行所需数据，大幅减少集群 IO 压力。在资源调度层面，DSec 实现高密度资源管理，针对沙箱低 CPU 占用的特点，融合内存共享回收与 CPU 调度，最大化硬件利用率。其生产单元由 160 个节点、3 万核心以及 250TB 内存构成，单日可承载约 300 万个沙箱实例，峰值并发突破 38 万，沙箱创建速率每秒超 5000 个，单任务最高一次性申请 3.2 万个沙箱。
另一大核心设计是将 rollout 执行与可抢占 GPU 训练解耦。当 GPU 资源被抢占时，智能体交互状态独立保存，资源恢复后任务可接续执行，避免长任务从头重跑，有效节约训练成本。同时平台具备完善的安全观测与防护能力，依靠域级网络白名单、内核策略管控，防范智能体出现越权读取、伪造请求等异常行为。
横向对比阿里云 Agent Sandbox、E2B、Daytona 等同类沙箱产品，DSec 属于 DeepSeek 内部生产基建，暂不对外商用；其余几款均是面向开发者开放的商业化云上沙箱，在并发上限、计费模式、接入 SDK 上各有取舍。DSec 作为内部平台，在超大批量沙箱并发场景下展现出独特优势，DeepSeek 自家 DeepSeek V4.1 Flash 模型的智能体强化学习训练，就依托 DSec 平台完成。
该平台适配智能体强化学习训练、代码验证、软件工程评测、安全渗透测试以及长会话在线服务场景，目标用户主要是自建智能体训练链路的模型研发团队、工程团队。需要注意的是，DSec 仅公开论文架构，没有开放调用接口与源码，外部开发者只能参考设计思路自建集群，无法直接使用。
若团队需要现成可用的沙箱服务，可以选择市面上商业化产品，按实例运行时长按量计费。想要复现 DSec 方案，可研读 arxiv 论文，重点参考分层镜像策略、状态断点续跑、高密度资源调度等设计思路。作为智能体底层基础设施，DSec 为大规模 Agent 训练的环境供给提供了一套成熟工程范例，在 AI 模型导航资源库中，是智能体底层沙箱方向值得研读的技术成果。