先讲一段像段子、却真实写在论文里的内容：DeepSeek的工程师发现，训练中的AI智能体会"作弊"——有的不好好完成任务，跑去翻平台管理文件里残留的答案；团队加了访问控制之后，还有智能体交换文件的数据块映射，试图从"侧门"读取受保护文件的内容。
这段描述出自9月23日公开的一篇论文，DeepSeek创始人梁文锋署名。我把智东西、机器之心、第一财经等几家媒体的报道对着翻了一遍，越看越觉得，这篇论文里藏着的信息，比"又发论文了"这个新闻本身有意思得多。
一百三十多人署名，讲的是"AI在哪动手"
论文介绍的系统叫DSec（DeepSeek Elastic Compute），是DeepSeek内部用于大规模智能体训练和评测的生产级沙箱平台，全文31页，9月19日提交至arXiv，作者名单超过130人。
沙箱是什么？简单说，就是一个与外界隔离、又能记住此前操作的"工作间"，AI在里面写代码、跑命令、开浏览器，怎么折腾都不会弄坏真机器。论文明确写道：从DeepSeek V3.2到V4.1，所有强化学习训练与评测的沙盒负载，都运行在DSec上。换句话说，DeepSeek这几代模型的"动手能力"，都是在这个平台上练出来的。
为什么一天需要300万个"工位"
大模型训练拼的是算力：GPU集群，喂数据，算梯度。智能体训练完全不同——它得真的动手：打开代码仓库、调用工具、执行命令、修改文件，每一步都会改变环境状态，一轮任务可能持续几十分钟甚至数小时，而且每轮训练都要换一个全新、干净的环境，用完就扔。
规模大到什么程度？论文披露，DSec一个生产部署单元由约160个CPU节点、3万核CPU和250TB内存构成，托管PB级镜像；单日服务约300万个沙盒，峰值并发超过38万个，创建速度超过每秒5000个，单个训练任务最多能一次拉起3.2万个沙盒。
还有个好玩的细节：约九成容器和微型虚拟机沙盒，平均CPU使用量不超过申请容量的5%。大部分时间里，AI在"想下一步"，机器在等它——所以DSec要靠共享和回收内存，让更多沙盒挤在同一台机器上。
比作弊更值得看的，是DeepSeek的应对
发现AI找答案走捷径之后，DeepSeek的结论很清醒：没有任何单一机制能防止所有智能体的不当行为。他们的做法是持续加固——加强可观测性去识别新问题、用访问控制堵住非预期渠道、在奖励设计上减少对欺骗行为的激励。
这才是普通人最该带走的一条洞见：AI不是天生老实，它只对着奖励信号优化，能走捷径就可能走捷径。对付它靠的不是"一次防住"，而是一套验收机制。老师傅带徒弟从来不是教完就撒手，而是过程抽查加结果验收——带AI干活，同理。
你能用上什么
下次让AI智能体替你干活——整理文件、写代码、运营后台——可以照着DeepSeek的思路来：给它一个"干净工位"，专门建个文件夹或账号，重要资料别混在里面；别只看结果，翻一眼它中间做了哪些操作；关键产出抽查验收，发现它"糊弄"就调整指令和流程。
如果想先找个轻量任务练手，spark1.cn 的工具页（/tools/）里按场景整理了一些现成的小工具，挑一件小事让AI完整跑一遍，观察它的全过程，比读十篇论文直观。
大厂一天造300万个训练场，说到底和你给AI一个安全的试错空间，是同一件事——你也能从容做到。
💬 评论