深度求索弹性计算（DeepSeek Elastic Compute，DSec）是一套面向大规模高效智能体训练的沙箱基础设施。2026年9月22日00:39:57 GMT，相关论文于arXiv发布，编号2609.22978。该设施提供弹性资源调度与隔离执行环境，使智能体能够在可控沙箱中开展规模化交互式训练，应对复杂任务下的计算与安全问题。

大规模基于大语言模型（LLM）的智能体训练与评估，依赖隔离且有状态的执行环境，让模型检视仓库、调用工具、执行命令并对接任务服务。此类负载会突发大量沙箱，功能与隔离需求各异，需跨长交互保持状态，且镜像素材庞大却少复用。因此支撑它们需要弹性执行平台，而非单一沙箱运行时。

本报告介绍 DeepSeek Elastic Compute（DSec），一个生产级沙箱平台，通过统一 SDK 提供 FnCall、容器、微虚拟机与完整虚拟机后端。DSec 在集群内协调放置与生命周期管理，用独立版本化层组合环境，结合内存共享、回收与 CPU 调度实现高密度执行，并按需从集群级分布式文件系统 Fire-Flyer File System（3FS）加载镜像。它与强化学习（RL）框架协同设计，将有状态 rollout 执行与可抢占 GPU 训练解耦，协调沙箱生命周期以保留 rollout 状态并回收空闲资源，同时缓解奖励作弊等智能体失当行为。

单个生产规模单元跨约 160 节点，日均服务约 300 万沙箱；实际生产支持超 38 万并发沙箱，每秒持续创建超 5000 个。评估与部署经验表明，上述机制降低了环境搭建与镜像分发开销，提升内存效率，并在高密度超配下保持对延迟敏感的性能。

讨论一边惊叹 DeepSeek 在算力劣势下的创新力，以及 160 个 Epyc 节点扛住 38 万并发沙箱的工程规模，一边被 131 位作者名单带偏；分歧在于这究竟是真本事，还是用海量署名掩盖核心贡献者、防止被挖角。

认为 DeepSeek 的创新被算力劣势低估

• 有人反问还有没有比 DeepSeek 更创新的实验室，并设想它若拥有 OpenAI 和 Anthropic 同等算力会达到什么水平。（少数人） > 还有哪个实验室比 DeepSeek 更有创新力？要是他们也有 Anthropic 和 OpenAI 的算力会怎样。（@swingboy）

认为 131 位作者才是真正值得围观的异常

• 多人被作者数量吸引，认为这可能竞争“作者最多的论文”，还有人估算名单外仍有 31 人；比起论文主题，他们更好奇 131 人如何沟通协作。（较多人） > 比起论文主题，我更想知道 131 位作者是怎么沟通才把这项工作做出来的。（@yipinwong）

认为海量署名是保护人才不被定向挖角的策略

• 把每位员工都列入每篇论文，可以让竞争对手无法分辨谁是关键贡献者，从而降低核心成员被挖走的风险。（少数人） > 如果只列 3 位作者，他们可能被竞争对手挖走；把所有员工都写上，对手就不知道挖谁。（@flowerlad）

认为 38 万并发沙箱是工程规模上的硬突破

• 160 个 Epyc 节点支撑 38 万个并发沙箱，被形容为疯狂。（少数人） > 160 个 Epyc 服务器节点上跑 38 万个并发沙箱，这太疯狂了。（@vblanco）

对技术定位仍有疑问，觉得像 serverless 或 agent 基座

• 有人直接问“所以这是 serverless 吗”，也有人问它是不是 agent substrate，说明系统形态还没被普遍理解。（少数人） > 所以……这就是 serverless 吗？（@redat00）

有价值的补充

• 论文页面显示的 131 位作者并非全部，还有 31 位没被列出，实际参与规模可能更大。
• 160 个 Epyc 节点、38 万并发沙箱这两个数字，是讨论里最具体的技术规模信息。
• 有人用“所以这是 serverless 吗”把系统抽象拉回基础设施视角，也有人用“agent 基座”来类比。