DeepSeek首次公开V4.1 Agent训练“大本营”，梁文锋署名

作者 | 青和

编辑｜四月

近日，DeepSeek联合清华大学发布最新技术报告《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（DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale）》，首次对外公开了支撑 DeepSeek从 V3.2 到 V4.1 训练的“工业底座”——DSec。

该论文作者团队超过 130 人，梁文锋排在名单最后一位。由此可见，智能体训练的基础设施，已经被DeepSeek当成核心工程来对待。

DSec 是 DeepSeek 自研的生产级弹性计算沙箱平台，内部专属基础设施，曾在DeepSeek-V4的报告有所介绍。职责是为大模型智能体的大规模训练和评测，提供安全稳定的沙箱运行环境。

为了支撑大模型在大规模强化学习中的试错洪流，DeepSeek 搭建了一套专属于智能体训练的生产级弹性沙箱底座：一个生产单元大约由160个CPU节点、3万个CPU核心和250TB内存构成，托管着PB级镜像。能力方面，DSec单日可以服务约300万个沙盒，峰值并发超过38万个，创建速度超过每秒5000个。单个训练任务最多一次能拉起3.2万个沙盒。

这套基础设施暴露出的，是一个正在被行业重构的底层逻辑：

如果说过去的大模型 Scaling，是往 GPU 集群里塞更多参数、数据和 Token，那么 Agent 时代的 Scaling，本质上就是模型与物理环境交互试错频次的指数级扩张。

模型生成代码不是终点，真正的瓶颈在于承载这些代码安全、高速、并发运行的物理基础设施。

传统云架构失效

理解 DSec，首先要看清智能体强化学习（Agentic RL）与传统大模型训练在底层逻辑上的本质分歧。

过去训练语言模型，交互逻辑更接近“答题”：给模型输入提示词或数学题，模型生成一段推导或答案，系统依据规则计算奖励并反向传播更新参数。

但面向真实软件工程（SWE）或系统操作（Computer-Use）的智能体完全不同。智能体接到任务后，需要检索代码仓库、阅读上下文、配置依赖环境、修改代码逻辑，并在终端中执行测试、根据报错反馈继续调试。在这个过程中，模型不是在静态地输出文本，而是在真正操作一台计算机。

单任务沙箱创建量的累积分布（CDF），展示生产中单任务并发请求数千乃至数万沙箱的瞬态脉冲特征

在强化学习的单次探索（Rollout）中，如果让成千上万个智能体同时探索，系统就必须瞬间交付数万台彼此隔离的执行环境。更关键的是，这些环境必须是有状态且高度连贯的。 智能体在第十步执行的命令，必须严格建立在前九步修改过的文件、编译好的二进制和启动的服务进程之上。

然而，以 Kubernetes 为代表的传统容器编排和无状态 Serverless，其底层假设建立在平滑扩缩容与无状态微服务之上，面对这种高频脉冲、长程驻留且极度异构的计算负载，直接遭遇了三重结构性错配：

沙箱生命周期分布曲线，直观呈现长尾沙箱存活时间超过 3 小时的长程驻留现象

• 瞬态脉冲并发：单任务可在数秒内申请数万个沙箱（峰值达 3.2 万），全量拉取解压会瞬间引发严重的写 I/O 拥塞，大幅拉长启动延迟并迫使 GPU 集群空转；

• 海量异构与极低复用：面对超 130 TB 的环境数据，镜像复用扇出中位数仅为 1 到 3，常规本地缓存机制彻底失效；

• 长程驻留与算力潮汐：沙箱存活数十分钟甚至数小时，但 90% 的时间内 CPU 利用率不足 5%，独占资源极度浪费，而粗暴超卖又极易引发内存溢出与超线程争抢。

传统云计算方案无法同时兼顾高并发、强状态与低成本，DSec 正是 DeepSeek 为解决这些矛盾构建的“专用数字演练场”。

四类后端的取舍

既然无法直接套用通用的容器集群，最直观的想法或许是做一个“性能最好、功能最全的终极沙箱”。但 DeepSeek 的工程实践证明，单一的虚拟化运行时无法同时兼顾安全隔离与资源开销。

不同任务对环境的要求有着天然鸿沟：跑一段算子脚本只需要几毫秒，做系统攻防需要严格的硬件级虚拟化，而跑Android 模拟器则依赖完整的操作系统与图形驱动。如果全部采用重型虚拟机，硬件成本会迅速失控；如果全用轻量容器，安全与环境兼容性又无法过关。

因此，DSec 放弃了万能沙箱的幻想，将环境切分为四类梯次布局：

DSec 整体架构拓扑图，展示 libdsec、集群管控层（IAM、Placement Engine）、单机运行时（Edge、Aether、Chronus）与 3FS 的分层交互

• FnCall（函数调用）：面向短时无状态任务（如算法判题或 GPU 算子基准测试），基于常驻预热池运行，抹平冷启动时延，支持独占或共享 GPU；

• Container（标准容器）：主力承载软件工程与工具交互，单机可高密度部署 3,200 个实例，兼顾轻量与基础 Linux 工具链兼容；

• MicroVM（轻量虚拟机）：基于 Firecracker 构建独立内核，为安全攻防与对抗性任务提供硬件级隔离，杜绝跨租户逃逸；

• Full VM（全功能虚拟机）：基于 QEMU 并接入虚拟化 GPU 驱动，专供需要完整商业操作系统、图形界面、Android 模拟器或游戏渲染的高阶环境。

四类沙箱后端（FnCall、Container、MicroVM、Full VM）在性能、开销、隔离级别与场景适配上的对比

这套设计的精髓在于：环境不追求统一，统一的是接入环境的控制接口。 平台通过统一的 Python SDK（libdsec）对上层屏蔽环境差异，算法研发人员只需在请求中声明任务所需的计算类型与资源上限，调度系统便会自动将任务路由至合适的计算载体。

算力潮汐超卖

确立了四类沙箱后端，仅仅是搭好了承载任务的“房间”。真正把系统逼向极限的难题接踵而至：如果按照常规资源配额，160 台物理机根本无法同时容纳 38 万个并发沙箱。

要让单个计算节点稳定承载多达 3,200 个容器或 800 个 MicroVM，核心在于把握住了智能体计算的特殊生理规律：沙箱并非一刻不停地消耗 CPU。

在实际交互中，模型思考时，沙箱静默等待；模型下发指令后，CPU 瞬时飙高；执行完毕，算力又迅速跌回低谷。数据表明，90% 的沙箱在其生命周期内，平均 CPU 利用率不足申请额度的 5%。既然算力是高度脉冲化与潮汐化的，系统就具备了实施极限资源超卖（Overcommit）的客观基础。

沙箱生命周期内 CPU 脉冲与内存常驻的曲线图

CPU/内存实际使用率极其稀疏的分布特征

但高倍率超卖极易引发系统性踩踏，DSec 在内核层完成了三项关键收口：

- 只读内存穿透共享：在 MicroVM 中启用 Virtio-pmem 配合 DAX 技术，将只读磁盘内容直接映射为宿主机内存，绕过客户机自身的页面缓存，使单机上百个虚拟机完全共享同一份宿主机物理内存，宿主机峰值内存暴降 40.2%；

内存优化组合拳对比曲线

冷内存动态驱逐：针对可写磁盘，利用 Linux 内核 DAMON 机制定期采样内存活跃度，主动淘汰长期闲置的冷页面，并由虚拟气球设备将物理页归还宿主机，让长程内存消耗再降 21.2%；

超线程硬隔离：为防止背景负载干扰具有严格响应时延的任务（如步频受限的对弈智能体），系统在赋予关键任务调度优先权的同时，启用了内核核心调度（Core Scheduling），严禁低优先级任务占用同一物理核心的孪生超线程，将高负载下的长尾延迟涨幅从 45.2% 严格压制在 17.3%。

正是通过对内存重复占用的剔除与计算争抢的抑制，高密度超卖才从纸面构想变成了具备生产可用性的现实。

存储与训练双解耦

此外，系统还须在数据传输与协同架构上完成彻底的松绑。

首先是告别全量搬运镜像，实现流式按需加载。面对超 130 TB 的海量异构环境，监控显示沙箱实际访问的镜像数据仅占总量的 4.2% 到 13.3%。

DSec 将镜像拆分为基础系统、任务代码区与工具链三层不可变层，结合 EROFS 压缩文件系统与自研的 3FS 分布式存储，做到“智能体执行涉及哪块，后台才并发调取哪块”，运行期写入则严格落在本地磁盘。

该设计直接消除了并发启动时的 I/O 拥塞，减少了 57% 的磁盘写入，任务耗时缩短超 40%。

EROFS 按需流式拉取与传统 Docker 全量拉取在并发容器数与磁盘写入量上的性能对比

其次是将智能体探索循环与易失性 GPU 训练集群解耦。在 DeepSeek-V4.1 的架构演进中，团队将驱动多轮交互的 Agent Loop 彻底迁出 GPU 集群，交由 DSec 的独立容器托管。

大规模训练中 GPU 作业高频遭遇调度抢占，若两者绑定，中断后依赖日志重放恢复状态的代价极其沉重。解耦后，GPU 发生抢占时沙箱只需就地休眠、释放内存；算力恢复后原位透明唤醒，继续推进长程任务。

DSec 核心机制全貌图，展示三层环境解耦、按需流式读取与底层运行时的协同流转

在数据层面“按需抓取”，在任务层面“思考与执行剥离”，这一套组合拳真正移除了阻碍智能体长程探索的系统瓶颈。

结语

随着模型逐步走向能够调用工具、与现实系统交织的智能体阶段，AI 的竞争维度正在悄然迁移。决定上限的不再仅仅是模型本身的参数规模，还有底层工程能否以极低的时延与成本，稳定托举起数十万个数字生命在真实世界里反复碰壁、犯错与成长的过程。

当算法前沿迈入深水区，那些看似远离聚光灯的底层操作系统原语与分布式存储设计，正在成为新的核心护城河。

声明：本文为 AI 前线原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。

会议推荐

QCon 全球软件开发大会·2026（上海站）将于10 月 22 日—24 日举办。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。查看更多详情可扫码或联系票务经理 18514549229 进行咨询。

今日荐文

你也「在看」吗？