DeepSeek 公开 Agent 训练沙箱平台 DSec
论文:统一 SDK 覆盖函数调用 / 容器 / microVM / 全虚拟机;单生产单元约 160 节点,日均约 300 万沙箱、峰值逾 38 万并发、每秒创建 千次以上创建。
大规模 agent 训练的瓶颈不是「再写一个沙箱」,而是把爆发式创建、长状态、异构隔离和镜像分发做成可弹性调度的基础设施。
事实
- 定位:为 agentic 训练与评测提供隔离、有状态的执行环境——查仓库、调工具、跑命令、连任务服务。
- 机制:分层组合环境、内存共享与回收、CPU 调度过载、从 3FS 按需拉镜像;与 RL 框架协同,状态 rollout 与可抢占 GPU 训练解耦。
- 规模:约 160 节点单元日服务约 300 万沙箱;生产峰值超 38 万并发、创建速率超 5000/s。
解读
- 对训练产品:沙箱密度与生命周期调度,正在变成和 GPU 集群同等重要的「第二引擎」。
- 对安全:评论已联想「38 万并发 agent 能干什么」——训练能力与滥用能力共用同一套弹性。
- 对读者:作者名单一百三十余人刷屏——大厂系统论文的署名政治,不改变工程结论。
讨论
- 正方380k 并发沙箱说明他们真在规模化训 agent,不是 PPT。
- 反方大半评论在数作者人数,内容讨论反而偏少。
- 共识训练侧已把「可弹性的隔离执行」当成一等公民基础设施。