DeepSeek 9 月 19 日挂出一篇 31 页的论文，DeepSeek Elastic Compute（DSec）。不是模型论文，是一篇彻头彻尾的基建报告：给 agent 训练造沙箱。

要解决的问题很直白——大模型做 agentic RL，得同时给几十万个 agent 各配一台「电脑」，让它们翻仓库、跑命令、调工具。这些电脑绝大多数时间在待机，但又必须是真的、有状态的、彼此隔离的，一台台配硬件显然不现实。

> 单个生产单元约 160 个节点，一天跑约 300 万个沙箱；生产环境同时承载 38 万以上并发沙箱，每秒可新建 5000 个。>> 底座是一套统一 SDK，下面挂四种后端：FnCall、容器、microVM、全 VM。镜像从集群级分布式文件系统 3FS 按需加载，不再整批分发。*最要紧的改动不在沙箱本身，而在它和 RL 框架的耦合方式*——把有状态的 rollout 执行与随时可被抢占的 GPU 训练解耦，训练和沙箱生命周期联动：训练时保住 rollout 状态，同时把空闲资源收回来。>> 论文里还专门写了一节，对付 agent 的 reward hacking。

数字之外，两点我觉得更值得记：

一、agentic RL 的真实瓶颈，多半不在卡，在环境。每跑一次 rollout 就要一台干净机器、跑完就要回收，几十万个 agent 意味着几十万台临时电脑。谁把这层的每秒建量和成本打下去，谁的 agent 训练就便宜——这比刷榜硬。

二、论文的前身是两页扩展摘要，已过 ACM SIGOPS ATC 2026 第一轮评审，这版是扩写。也就是说，它是写给操作系统与分布式系统社区的，不是给模型圈看的。

一个连沙箱调度都单独立项、按 31 页篇幅写清楚的团队，下一步要训的东西大概很吃 agent 环境。开源模型的下半场，比的可能不只是权重，还有谁一秒能开出更多台「电脑」。

原文 arxiv.org/abs/2609.22978DeepSeek大模型