☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
DeepSeek 近日正式发布一篇系统性技术论文，首次全面披露其专为大规模智能体（Agent）训练打造的自研沙箱基础设施——DSec 的核心架构与工程实践。论文标题为《DeepSeek 弹性计算（DSec）：面向大规模智能体训练的高效沙箱基础设施》，全文共 31 页，于 9 月 19 日提交。引人关注的是，该论文作者阵容庞大，署名人数逾 130 人，DeepSeek 创始人梁文锋出现在作者列表末位。
自研沙箱平台 DSec，单单元日均承载 300 万实例
据论文详述，DSec（DeepSeek Elastic Compute）是 DeepSeek 自主研发的生产级弹性计算沙箱平台，属于公司内部专属底层设施，专为大模型智能体的大规模训练与系统化评测任务提供高安全性、高稳定性、高隔离性的运行环境，确保海量 Agent 训练作业可规模化、可持续地高效执行。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
论文中公布的实际运行数据显示，DSec 展现出卓越的超大规模并发支撑能力：一个标准 DSec 生产单元由 160 台 CPU 节点构成，总计配备约 3 万个 CPU 核心与近 250TB 内存，可统一调度和管理 PB 级别的镜像仓库及多层环境资源。在日常生产负载下，单单元日均稳定服务沙箱实例约 300 万个，同时维持超 38 万个沙箱并行运行，沙箱启动速率峰值突破每秒 5000 次。
优化资源消耗，显著提升内存利用率
基于长期线上部署与多轮模型训练验证，DSec 通过多项原创性机制设计，在训练环境初始化、镜像分发与容器生命周期管理等关键环节显著降低了资源开销，并实现了内存使用效率的大幅提升。此次将 DSec 技术细节完整公开，不仅体现了 DeepSeek 在工程基础设施层面的深厚积累，也使业界首次得以深入理解其支撑海量智能体训练任务背后的底层技术底座。
