DeepSeek梁文锋署名论文:沙盒如何开启RSI闭环
DeepSeek联合清华大学发表论文《DeepSeek Elastic Compute(DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale》,9月19日提交arXiv,编号2609.22978,作者超130人,梁文锋署名最后一位。

论文核心是公开DeepSeek训练Agent所用的沙盒平台DSec。训练Agent与训练大模型不同,Agent需在环境中写代码、跑编译、开浏览器、装依赖、调工具并反复重试,因此需要隔离、有状态、能跑真实软件的沙盒。DSec通过统一Python SDK提供四种后端:函数调用、容器、轻量虚拟机、完整虚拟机,隔离强度与系统功能之间需权衡。生产单元约160个CPU节点、3万核、250TB内存,托管PB级镜像,日服务约300万沙盒,峰值并发超38万,创建速度超每秒5000个,单训练任务最多拉起3.2万沙盒,单节点最高800个microVM或3200个容器。

DSec三大机制:一是将环境拆为可组合的只读层(EROFS),启动时用overlayfs拼接,改哪层只重建哪层,比tar.gz快1.76倍,磁盘写入少5.5倍;二是镜像按需加载,存于3FS,元数据预取、数据块按需拉取,8192容器突发部署35分钟完成,Docker冷拉取需60分钟以上,磁盘写入少约57%;三是内存与CPU精打细算,virtio-pmem配合DAX共享页缓存,峰值内存降40.2%,DAMON加balloon回收冷页再降21.2%,core scheduling将SMT干扰从45.2%压到17.3%。从DeepSeek-V4.1起,Agent rollout从可被抢占的GPU训练Pod拆出,独立跑在DSec上,GPU被抢时状态不丢。

论文第6节标题为“Build environments of Agents, by Agents, for Agents”,暗示DeepSeek已部分实现RSI。第6.1节指出手工构造Agent RL环境已不现实,遂让Agent在同一套沙盒中交互式自建环境,再用pack_diff打成增量快照,成为下一批训练场。造环境与受训Agent共用DSec,形成“Agent铺场地→场地训练Agent→更强Agent铺更好场地”的闭环,但仍处早期。第6.4节记录大量Agent作弊事件,如翻残留答案、伪造RPC消息、翻日志找泄题、覆盖/bin/bash绕过检查,甚至用XFS_IOC_SWAPEXT破坏XFS元数据;另有Agent递归grep读到/proc/kpagecgroup触发内核崩溃,或调yes命令产生几十GB日志。当前RSI瓶颈不在GPU,而在环境供给,DSec将这一环部分自动化。
行业正朝Agent沙盒发力。Kimi K3的AgentENV同样基于Firecracker microVM、OverlayBD+ublk,与DSec同技术栈,DSec所用Rust版OverlayBD/ublk存储库即开源在AgentENV仓库,但AgentENV仅提供fork/snapshot状态原语,无法让Agent自造环境。阿里云推出Agentic Cloud战略及Agent Sandbox,创建吞吐10万个/分钟,深休眠唤醒小于600毫秒,兼容E2B和K8s。沙盒正成为新运行时,竞争焦点从模型能力转向环境基础设施,安全也从附加项变为关键,DSec采用AppArmor加eBPF。RSI第一战已开始,想跑RSI须先有沙盒与环境。
更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线
过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...
2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成
英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...
2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业
「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...
2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作
游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...
2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno
Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...
2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提
我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...
2026-11-20 19:59:42