一個任務要開3.2萬個沙盒：DeepSeek DSec論文，攤開的是代理訓練的成本結構

2026年9月，DeepSeek團隊公開DSec論文。這份文件描述的並非新的模型能力，而是一套基礎設施：把函式呼叫（FnCall）、容器、Firecracker microVM與完整虛擬機四種執行後端，整合進同一個代理訓練平臺，處理強化學習過程中大規模沙盒的啟動、狀態儲存與回收。

論文給出的關鍵數字是：單一訓練工作最多要求3.2萬個沙盒。這個數字決定了整個系統的設計取向。

為什麼沙盒數量本身就是成本項

代理訓練的運作方式，是讓模型在隔離環境裡讀檔、執行命令、呼叫工具，再依測試結果或任務驗證器計算獎勵。環境必須忠實執行工具與軟體，訓練回饋才能反映實際能力。工作階段會持續安裝依賴、改動檔案、累積狀態，這些狀態本身就是資源佔用。

論文點出的核心矛盾在於：代理等待模型生成下一步動作時，CPU使用率很低，但記憶體與檔案狀態仍佔住資源。換句話說，3.2萬個沙盒裡有相當比例處於「等模型」的低利用率狀態，閒置成本隨沙盒數量線性放大。這與GPU閒置不同，CPU、記憶體與儲存的佔用不會因為模型在思考而歸零。

這也是為何DSec把重點放在共享主機頁面快取、來賓頁面回收、以及區分延遲敏感工作與可讓步背景工作的CPU排程。這些設計的目標都相同：壓低每個閒置沙盒的邊際成本。

四種後端對應四個成本價位

DSec透過同一套SDK提供四種執行後端，呼叫介面相近，但隔離強度與啟動成本差異很大。FnCall用於短小、無狀態的函式工作，靠預先準備的執行程序降低每次呼叫的配置成本；容器啟動快、密度高，但共用主機核心；Firecracker microVM提供虛擬機等級的隔離邊界，代價是更高的記憶體佔用與啟動成本；完整VM留給需要特定作業系統、圖形介面或Android環境的任務。

論文具體說明，DSec整合的是既有機制，microVM的取捨可回溯至Firecracker的原始研究，並未提出新的虛擬化技術。換言之，這份論文的價值在工程整合與成本配置，而非底層技術突破。這與近年AI基礎設施論文的整體走向一致：模型能力的競爭，逐漸轉為訓練與執行環境成本的競爭。

分層映像：儲存成本的複利控制

映像管理是另一個成本結構問題。若每個任務都複製整套作業系統、程式碼庫與工具，更新一個套件就得重建大量相似環境。DSec把基礎系統、工作區與工具包拆成可獨立版本管理的唯讀層，建立沙盒時再組合，執行期間的修改落在獨立可寫層。

映像資料存放於DeepSeek自家的分散式檔案系統3FS，內容按實際存取需求載入，不必等整份大型映像下載解開；可寫入資料留在節點本機，避免頻繁小型寫入拖慢遠端儲存。這套設計讓唯讀層可供多任務共用，把儲存成本從「每任務一份」壓到「每層一份」。

對照來看，這與雲端服務商多年來的分層映像與按需載入實踐方向相同。差別在於DSec把這些機制放進強化學習的生命週期裡，服務的對象是3.2萬個沙盒規模的訓練工作，而非一般使用者的單次部署。

生命週期協調：保護的是已投入的訓練成本

DSec最容易被忽略的一段，是把代理操作流程與可能被中止的GPU訓練工作分開執行。長時間rollout中，模型反覆操作沙盒累積狀態，GPU訓練工作卻可能因資源調度被回收。若兩者綁在一起，訓練資源被回收時，代理已完成的環境操作會跟著丟失。

DSec的做法是由控制元件協調沙盒暫停、狀態儲存與恢復：訓練暫停時回收閒置資源，之後再恢復仍需繼續的工作階段。從成本角度看，這是在保護已投入的運算成果，避免GPU排程的中斷沿著系統傳導，報廢掉CPU端累積的任務狀態。

論文也描述環境建置流程：代理在互動式沙盒配置工作區，以增量磁碟快照儲存成果，經內部檢查程序驗證封裝；環境建置者與解題代理使用不同帳號，打包前清除可寫層殘留資料，以降低答案洩漏。環境管理因此直接影響評估公平性，這也是訓練資料品質的一環。

這與先前觀察到的AI Agent競技場把執行環境當成產品核心的趨勢可以互相印證：當代理需要真實的執行環境，沙盒從訓練工具逐漸變成獨立的基礎設施品類，誰能把隔離、啟動速度與成本的三角壓得最平，誰就掌握代理訓練的入口。

收束判斷

DSec論文的可確認事實是：四後端整合、分層映像、按需載入、生命週期協調，均為既有技術的工程組合，服務於單一工作最多3.2萬個沙盒的訓練規模。它未提出新虛擬化技術，也未公布具體的成本節省數據，後者屬於論文未涵蓋的範圍。

從產業角度，這份文件披露的訊息是：代理訓練的瓶頸正從GPU算力，外溢到CPU、記憶體、儲存與排程等傳統基礎設施環節。訓練平臺的競爭維度隨之擴張，硬體採購、儲存架構與資源調度能力的權重上升。至於這套整合是否能轉化為對外服務或商業產品，論文並未給出答案，目前只能視為一份記錄內部工程實踐的文件。