DeepSeek公开Agent训练新论文，每秒生成5000+沙盒支撑大规模Agent开发

近日，中国人工智能企业DeepSeek公开了一篇关于Agent训练基础设施的研究论文，标题为《DeepSeek Elastic Compute (DSEC): A Sandbox Infrastructure for Effective Agentic Training at Scale》，由梁文锋等人署名。这篇论文首次披露了DeepSeek在Agent训练领域的一项核心技术创新——DSec（DeepSeek Elastic Compute）系统，该系统旨在为Agent训练提供高效、可扩展的沙盒环境支持。

在大模型训练中，GPU集群和数据喂养是主要挑战；而在Agent训练中，环境构建则成为关键瓶颈。DeepSeek的DSec系统通过创新的架构设计，成功实现了每秒生成5000多个沙盒环境的能力，单日最高可达300万个沙盒，峰值同时运行38万个沙盒。这一规模化的环境生产能力，为大规模Agent训练提供了坚实基础。

DSec系统的强大能力建立在一个庞大的集群之上，该集群包含约160个节点、3万核CPU和250TB内存。为了应对Agent训练中环境状态频繁变化的特点，DSec采用了分层架构设计，将不同类型的Agent任务需求进行统一调度。例如，对于需要无状态函数调用的OJ刷题Agent，系统采用FnCall处理；对于需要完整Linux用户态的SWE-bench Agent，则使用Container跑Docker容器；对于需要更高隔离级别的安全攻防Agent，系统则采用MicroVM轻量级虚拟机；而对于需要完整操作系统环境的商业软件操作Agent，系统则使用Full VM QEMU虚拟机。

这种分层架构不仅满足了不同Agent任务的差异化需求，还通过统一的Python SDK libdsec接口，使得训练框架能够以相同的方式创建沙盒、执行命令和获取结果。同时，DSec通过资源超分和高密度部署技术，单个节点可以同时承载3200个容器或800个MicroVM，有效提升了资源利用率。

在环境构建方面，DSec系统面临每秒给5000台'电脑'装系统的巨大挑战。为此，系统采用了模块化镜像构建技术，将基础镜像、工作空间和工具链进行分离，只更新必要的组件，从而大幅降低了环境构建的时间和资源消耗。根据论文中的数据，不同编程语言的镜像大小和访问数据比例存在显著差异，例如Go语言的镜像大小仅为4.1GB，但访问数据占比高达13.3%。

DeepSeek此次公开的DSec系统，不仅展示了其在Agent训练领域的技术实力，也为整个行业提供了重要的参考范例。随着AI技术的快速发展，Agent训练将成为未来智能系统开发的重要方向，而高效的环境构建与调度技术将是决定成败的关键因素之一。