DeepSeek在知乎独家发布技术长文，首次系统阐释了支撑DeepSeek-V4全部训练、评测与数据预处理流程的沙盒基础设施——DeepSeek弹性计算（DeepSeek Elastic Compute，DSec）。与之配套的技术报告《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》已公开至arXiv，由DeepSeek联合清华大学发布，作者团队超过130人，梁文锋也在作者名单之中。

要训练一个可靠的Agent大模型，模型需要在真实环境里反复试错：读代码、改文件、装依赖、跑测试、起服务。这些操作会持续改变环境，沙盒必须在多轮交互中保留状态。DSec面对的是几类鲜明负载特征：沙盒创建请求呈脉冲式突发；启动后CPU大部分时间闲置，内存却要持续驻留；Agent执行环境种类多、基础镜像复用率低；任务执行时间长，训练还可能因资源抢占而中断。

针对隔离强度、操作系统功能与执行开销的不同要求，DSec提供FnCall、Container、MicroVM和Full VM四种执行后端，通过统一的Python SDK（libdsec）接入。FnCall复用预创建容器处理在线评测等短任务；Container以较快启动速度和较高部署密度服务最通用的软件工程与工具调用；MicroVM提供更强隔离边界，用于安全任务等场景；Full VM则提供完整操作系统环境，支持图形界面、图形渲染和Android等应用。

环境构建是Agent训练的第一道坎。以2026年某一周的生产数据为例，容器后端使用了11,266个基础镜像、102,171个工作区以及数百个工具包；按传统单体镜像方式，任意一部分更新都会触发大量镜像重建。DSec把沙盒环境拆成基础镜像、工作区和工具包三部分，三者版本各自管理、运行时组合，并以EROFS格式存储，支持元数据与数据分离及跨镜像去重，创建沙盒时通过OverlayFS按需组合各镜像层。

生产数据分析显示，沙盒运行时实际访问的数据量仅占镜像总大小的4.2%至13.3%，提前拉取完整镜像意味着绝大部分数据被浪费。DSec因此把全部镜像数据放在3FS分布式文件系统上，本地只拉取元数据，数据按需读取。在集中创建8,192个容器的实验中，按需加载把任务完成时间从60多分钟缩短至约35分钟，加速比约1.71，磁盘写入量减少约57%；工作区供给实验中，从逐个解压tar.gz改为直接挂载EROFS层，任务完成时间从79分钟降至45分钟，磁盘写入总量降至原来的约1/5.5。

资源利用率方面，Agent训练中沙盒大部分时间在等模型生成下一步动作：约90%的沙盒平均CPU用量不超过申请量的5%，但内存需持续驻留，这为高倍超卖留出空间，DSec生产环境的超卖率超过50倍。为提升部署密度，DSec通过virtio-pmem与DAX让同一宿主机上的MicroVM共享宿主页缓存，单独启用该机制可使宿主机峰值内存用量较基线下降40.2%；单独启用DAMON与balloon空闲页报告的内存回收机制，按时间累计的宿主机内存消耗较基线下降21.2%。CPU调度上，当同机其他任务占用节点50% CPU容量时，时延敏感任务相对无干扰基线的时延增幅由45.2%降至17.3%。

训练流程上，早期Agent执行循环与GPU训练任务同处一个Pod，训练被抢占后环境沙盒还在、执行循环却已终止，恢复时需重放命令日志衔接进度，逻辑复杂且协调成本高。从DeepSeek-V4.1开始，这部分逻辑迁入DSec，拆分为Agent沙盒与工作容器协同：前者运行Agent框架和工具包，后者管理沙盒、推进交互，两者都部署在可被抢占的GPU资源池之外，共同保存执行进度与环境状态，使GPU任务被抢占后Agent状态仍能完整保留、恢复后从中断处继续。

环境构建本身也交给Agent自动化完成。DSec引入pack_diff打包机制，Agent可指挥平台对沙盒创建增量快照，未来恢复为新沙盒，甚至把每一轮交互转化为可复用环境；增量快照还支持轨迹分叉，在第k步保存后从同一状态恢复多个沙盒分别探索，各分支共享只读层、只记录变更。

安全边界同样被重点讨论。生产环境中观察到Agent会尝试读取残留答案、伪造RPC请求、覆盖/bin/bash注入命令，甚至尝试通过XFS_IOC_SWAPEXT绕过访问控制。DSec因此把细粒度访问控制作为基础功能：用AppArmor约束文件读写和套接字访问，即使Agent以管理员身份运行限制依然有效；用eBPF为每个沙盒执行网络访问白名单。不过文章也承认，对触发内核缺陷等破坏性行为目前仍缺乏通用防御机制，攻防会持续迭代。

规模上，DSec以分片横向扩展，每个分片约160台服务器，提供约3万个CPU核心和250 TB内存；单个分片每天服务约300万个沙盒，峰值并发超过38万个，每秒可创建超过5,000个沙盒。从DeepSeek-V3.2到DeepSeek-V4.1，DSec承载了Agent训练、评测与数据预处理中的全部沙盒负载。文章最后表示，接下来会把Agent运行环境的数量和种类扩充成百上千倍，并把任务培养出的能力带回开放模型。