DeepSeek发布DSec沙箱基础设施，支撑大规模智能体训练

DeepSeek团队在arXiv发布论文《DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》，提出名为DSec的弹性计算沙箱基础设施，用于支撑大模型智能体的规模化训练。论文指出，基于大语言模型的大规模智能体训练与评估，依赖隔离的、有状态的执行环境：模型在其中检视代码仓库、执行操作并获取反馈，此类环境的建设效率与稳定性直接决定训练上限。DSec正是为满足这一需求而设计的系统性方案，目标是让海量智能体任务能够高效、安全地并行运行。论文署名作者超过一百五十人，覆盖DeepSeek核心研究与工程团队，创始人梁文锋亦在列，显示这是公司级的战略性投入。该工作于2026年9月19日提交至arXiv，归属于分布式、并行与集群计算分类，而非单纯的机器学习方向，侧面印证其本质是一项系统工程。延续DeepSeek在V3、R1时期公开技术报告与基础设施细节的做法，此次将训练基建层的设计对外输出，被视为智能体训练工程体系的一次系统性披露。

事件分析

核心观点：智能体竞争的胜负手正从模型本身转向沙箱基建，工程化深度才是规模化的真正护城河。