DeepSeek知乎独家发文，首次公开V4.1 Agent训练“大本营”DSec
内容提要
DeepSeek联合清华发布DSec沙盒基础设施，支撑DeepSeek-V4全部训练与评测。该设施支持四种执行后端，通过EROFS镜像按需加载、可组合环境层和高密度资源管理，将8192容器创建时间从60多分钟缩短至35分钟，内存峰值降低40%。DSec还实现轨迹分叉与细粒度安全控制，单分片日服务约300万沙盒。
延伸解读
从V4.1开始，Agent执行逻辑迁出GPU训练Pod
文章指出，早期Agent执行循环与GPU训练任务同处一个Pod，训练被抢占后环境虽在，但执行循环终止，恢复需重放命令日志，协调复杂。从DeepSeek-V4.1起，执行逻辑迁入DSec沙盒，拆分为Agent沙盒与工作容器，两者部署在可被抢占的GPU资源池之外，共同保存进度和环境状态。这样GPU训练被抢占时，Agent执行状态仍完整保留，恢复后可从断点继续。
镜像按需加载与可组合层：实测加速与写入下降
DSec将环境拆为基础镜像、工作区和工具包，用EROFS存储并按需组合。生产数据显示，沙盒运行时实际访问数据仅占镜像总大小的4.2%至13.3%，因此只拉取元数据、数据按需读取。集中创建8192个容器时，任务完成时间从60多分钟缩短至约35分钟，加速比约1.71，磁盘写入量减少约57%。工作区从解压tar.gz改为挂载EROFS层，完成时间从79分钟降至45分钟，写入总量约为原来的1/5.5。
高密度部署依赖内存共享与回收，但安全仍有边界
Agent训练中约90%沙盒平均CPU用量不超过申请量的5%，内存却需持续驻留，生产超卖率超过50倍。DSec通过virtio-pmem与DAX让同宿主机MicroVM共享页缓存，峰值内存较基线下降40.2%；结合DAMON与balloon空闲页报告，累计内存消耗下降21.2%。安全方面，AppArmor约束文件与套接字访问，eBPF实施网络白名单，但文章承认对触发内核缺陷等破坏性行为仍缺乏通用防御。
Q&A
DeepSeek的DSec是什么？它主要用来做什么？
DSec（DeepSeek Elastic Compute）是DeepSeek弹性计算沙盒基础设施，支撑DeepSeek-V4全部训练、评测与数据预处理流程，为Agent大模型提供在真实环境中反复试错的运行环境。
DSec支持哪些执行后端？分别适用于什么场景？
DSec支持四种执行后端：FnCall复用预创建容器，处理在线评测等短任务；Container启动快、部署密度高，服务通用软件工程和工具调用；MicroVM提供更强隔离，适用于安全任务；Full VM提供完整操作系统环境，支持图形界面、渲染和Android等应用。
DSec如何优化镜像加载和存储，效果如何？
DSec将环境拆分为基础镜像、工作区和工具包，使用EROFS格式存储并支持按需加载，通过OverlayFS组合。实验显示，集中创建8192个容器时，按需加载将任务完成时间从60多分钟缩短至约35分钟，加速比约1.71，磁盘写入量减少约57%；工作区从解压tar.gz改为挂载EROFS层后，任务完成时间从79分钟缩短至45分钟。
DSec如何实现高密度资源管理？内存优化效果怎样？
DSec利用virtio-pmem与DAX让同一宿主机上的MicroVM共享宿主页缓存，单独启用可使峰值内存用量较基线下降40.2%；结合DAMON与balloon空闲页报告机制，按时间累计的内存消耗下降21.2%。生产环境超卖率超过50倍。
DSec在Agent训练中如何保证执行状态的连续性？
从DeepSeek-V4.1开始，DSec将Agent执行逻辑迁移到沙盒中，拆分为Agent沙盒和工作容器协同完成，两者部署在可被抢占的GPU资源池之外，共同保存执行进度和环境状态。因此GPU训练任务被抢占时，Agent执行状态仍能完整保留，训练恢复后可从中断处继续。
DSec如何支持轨迹分叉和环境构建？
DSec引入pack_diff打包机制，Agent可指挥平台对沙盒创建增量快照，未来恢复为新沙盒。增量快照可用于轨迹分叉：在第k步保存快照，从同一状态恢复出多个沙盒分别继续探索，各分支共享只读层并只记录变更，避免重复执行分叉前步骤。
DSec采取了哪些安全措施来约束Agent行为？
DSec将细粒度访问控制作为基础功能：通过AppArmor约束文件读写和套接字访问，即使智能体以管理员身份运行限制依然有效；通过eBPF为每个沙盒执行网络访问白名单，限制可连接的地址、端口和协议。但对于触发内核缺陷等破坏性行为，目前仍缺乏通用防御机制。
DSec的横向扩展能力和生产规模如何？
DSec以分片形式横向扩展，每个分片约160台服务器，提供约3万个CPU核心和250 TB内存。单个分片每天服务约300万个沙盒，峰值并发超过38万个，每秒可创建超过5000个沙盒。生产环境部署多个分片，可支持数百万个沙盒同时运行。
