据华尔街见闻报道，DeepSeek在一篇系统论文中披露了内部沙箱平台DSec。论文称，从DeepSeek-V3.2到V4.1，全部Agent强化学习训练与评测的沙箱负载都运行在DSec上。这里披露的是训练和评测所用的基础设施，而非模型能力的测试结果。
DSec为Agent任务提供隔离的执行环境。报道列出的负载包括判题、软件工程、安全渗透和电脑操作；研究者可通过统一SDK，按任务选择短时函数调用、容器、Firecracker微型虚拟机或完整虚拟机。
规模方面，报道引述论文数据称，DSec每天服务约300万个沙箱实例，峰值并发超过38万个，创建速率超过每秒5000个；单个训练任务一次最多可启动3.2万个沙箱。
为处理不同任务所需的环境与资源，论文介绍了可组合环境层、通过3FS按需读取EROFS镜像，以及内存共享与回收等设计。报道还称，DSec与强化学习框架协同，支持有状态Agent执行循环的暂停、恢复和迁移。
仅供信息参考，不构成投资建议。