大模型训练依赖算力，而Agent训练的关键在于环境构建。DeepSeek最新论文公开了其Agent训练系统DSec（DeepSeek Elastic Compute）的技术细节，梁文锋在论文中署名。该系统专为Agent训练批量制造沙盒环境，以应对Agent执行任务时对环境状态的动态改变。

据论文披露，DSec每秒可生成超过5000个沙盒，日产量达到300万个，峰值同时运行38万个沙盒。支撑这一规模的单集群配置约为160个节点、3万核CPU和250TB内存。这些数据揭示了Agent训练对基础设施的极高要求。

与依赖GPU集群的大模型训练不同，Agent需要在沙盒中执行写代码、编译、启动浏览器乃至安装操作系统等操作。每一步执行都会改变环境状态，可能导致环境崩溃。因此，每轮训练都需提供全新、干净的沙盒，且随用随抛。

DSec要解决的核心挑战在于，不同类型Agent任务对沙盒环境的要求差异巨大，且需在同一平台统一调度。例如，刷OJ题的Agent仅需无状态函数调用环境，而更复杂的任务则要求完整系统支持。论文全面展示了这套工程系统的实现方案。