DeepSeek弹性计算团队正在大规模招聘，尤其需要资深工程师。与三周前那轮招聘不同，这次没有发布岗位JD，而是直接发布了一篇技术分享《DeepSeek弹性计算（DSec）：面向大规模Agent训练的沙盒基础设施》，用生产数据说明团队为何需要继续扩张。

DSec是支撑DeepSeek-V4全部训练、评测和数据预处理流程的沙盒基础设施。从DeepSeek-V3.2一路到V4.1，Agent训练、评测和数据预处理产生的全部沙盒负载都已运行在DSec上。目前一套DSec扩展分片大约有160台服务器、3万个CPU核心和250TB内存，每天服务约300万个沙盒；高峰期同时在线沙盒超过38万个，每秒可创建5000多个。DeepSeek已在生产环境部署多个这样的分片，能够支持数百万个沙盒同时运行。

Agent训练的工作负载与普通云计算有明显差异。模型需要不断进入真实环境执行任务，读代码、改文件、安装依赖、执行测试、运行服务，每一步都会改变环境状态，下一轮交互又要接着前面的状态继续。因此沙盒既要能快速大批量创建，又不能每执行一步就销毁重来。DeepSeek总结这类负载的特点包括：创建请求会突然集中涌入；CPU大部分时间空闲，但内存需持续保留文件和进程状态；不同任务所需环境差异大；基础镜像复用率不高；训练过程还可能因GPU资源被抢占而中断。

围绕这些特点，DSec做了多项优化。环境层面，DeepSeek统计2026年某一周的生产数据发现，仅Container后端就用到11266个基础镜像、102171个工作区以及数百个工具包。若按传统方法为每种组合做完整镜像，代码仓库或工具包稍有更新就可能触发大批镜像重建。DSec将环境拆成三层：操作系统和基础软件放入base image，任务代码和依赖放入workspace，DeepSeek Harness等工具单独做成toolkit，三部分分别管理版本，创建沙盒时再组合，工具更新只需重建对应层。

镜像加载方面，生产数据显示Agent实际访问的数据只占整个镜像的4.2%到13.3%，提前完整下载几十GB环境并不划算。DSec将镜像数据统一放到自有的3FS分布式文件系统，本地主要保存元数据，需要时按需读取。集中创建8192个Container的测试中，完整拉取镜像需60多分钟，按需加载缩短到约35分钟，速度提升约1.71倍，磁盘写入量减少约57%。另一工作区实验中，改用直接挂载EROFS层后，任务从79分钟缩短到45分钟，磁盘写入总量降至约原来的1/5.5。

资源利用方面，DeepSeek发现约90%的沙盒平均CPU使用量不到申请资源的5%，因为Agent完成操作后通常要等待模型生成下一步动作，期间CPU闲置但内存不能释放。目前生产环境资源超卖率已超过50倍。为缓解内存瓶颈，DSec通过virtio-pmem和DAX让同一宿主机上的MicroVM共享宿主页缓存，单独启用该机制使实验宿主机峰值内存占用较基线下降40.2%；借助DAMON和balloon空闲页报告回收，按时间累计的内存消耗还能再降低21.2%。CPU调度上，DSec优先保障时延敏感任务，实验显示当同机其他任务已占节点50% CPU容量时，时延敏感任务受到的延迟影响从45.2%降至17.3%。

DSec目前统一支持四种执行后端：FnCall、Container、MicroVM和Full VM，分别覆盖短任务、软件工程与工具调用、更强隔离以及完整操作系统（支持GUI、图形渲染甚至Android应用）等场景。DeepSeek还采用“用Agent给Agent造环境”的方式，通过pack_diff机制让Agent在沙盒中配置好环境后生成增量快照，需要时从快照恢复，甚至每执行一步都可保存为可复用环境。这带来了轨迹分叉能力：在第k步保存快照后，可从相同状态恢复多个沙盒并行探索不同分支，前序环境和数据共享，只有后续变化单独记录，无需重放前k步。

从DeepSeek-V4.1开始，Agent执行逻辑被迁入DSec，Agent沙盒和worker container运行在可抢占GPU资源池之外，即使GPU任务中断，Agent执行进度和环境状态仍能保存，GPU恢复后训练可从中断处继续。

安全方面，DeepSeek表示已在真实生产环境观察到Agent尝试读取残留答案、伪造RPC请求、覆盖/bin/bash注入命令，甚至调用XFS_IOC_SWAPEXT绕过访问控制。DSec通过AppArmor限制文件和Socket访问，即使Agent获得管理员权限规则依然有效；网络侧利用eBPF为每个沙盒设置白名单，限定可连接的地址、端口和协议。但DeepSeek也承认，若Agent进一步找到内核漏洞，目前仍缺少通用防御机制，随着模型能力提高，攻防还会持续。

从产业视角看，DSec的细节披露展示了DeepSeek在Agent训练基础设施上的工程投入方向：通过镜像分层、按需加载、内存共享、CPU调度和安全隔离，压低单个Agent环境的资源成本，以支撑更大规模并发。团队继续扩招，意味着其正为Agent运行环境数量和种类扩充成百上千倍的目标储备工程能力，这也可能影响后续模型迭代节奏与训练效率。