DeepSeek 公開智能體訓練沙箱
DeepSeek 論文上新：130 餘人署名、梁文鋒列末位，公開智能體訓練沙箱 DSecAIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Sep 24, 20264DeepSeek 日前發佈一篇系統論文，首次公開了旗下大規模智能體訓練專用沙箱基礎設施的核心技術細節。該論文題為《DeepSeek 彈性計算（DSec）：面向大規模智能體訓練的高效沙箱基礎設施》，全文長達 31 頁，提交時間為 9 月 19 日。值得一提的是，論文作者團隊規模超過 130 人，DeepSeek 創始人梁文鋒位列作者名單最後一位。
自研沙箱平臺 DSec，單單元日均服務 300 萬實例據論文介紹，DSec（DeepSeek Elastic Compute）是 DeepSeek 自研的生產級彈性計算沙箱平臺，為其內部專屬基礎設施，核心用途是為大模型智能體（Agent）的大規模訓練與評測任務提供安全穩定的沙箱運行環境，保障海量 Agent 訓練任務高效、穩定落地。論文披露的生產環境數據顯示，DSec 具備極強的大規模併發處理能力：一個標準 DSec 生產單元由 160 臺 CPU 節點組成，共計 3 萬個 CPU 核心、約 250TB 內存，可管理 PB 級別的鏡像文件與環境層級資源。
在日常生產場景中，該單元每日可服務約 300 萬個沙箱實例，穩定支撐超 38 萬個併發沙箱同時運行，沙箱創建速率峰值可達每秒 5000 次以上。降低資源開銷，提升內存效率經過實際部署與模型評測經驗驗證，DSec 的多項核心機制降低了訓練環境搭建、鏡像分發的資源開銷，並大幅提升了整體內存利用效率。此次論文將這一基礎設施對外公開，也讓外界得以一窺支撐 DeepSeek 海量智能體訓練背後的底層工程能力。DeepSeekDSec大模型智能體彈性計算
Related
相關文章
Meta 拋出"小鋼炮"Muse Ember：跑分追上 Haiku，成本只要三分之一
Meta 在 11 月 10 日推出 Muse Ember，標榜自家"迄今最小、最高效"的模型，專為複雜推理和智能體反覆執行的日常任務而生。它不拼參數規模，只拼性價比。跑分追上 Haiku，賬單隻剩零頭在 Artificial Analysis 榜單上，Muse Ember 的綜合表現已能與 Claude Haiku 5.
通用大腦能力再提升，螞蟻靈波發佈LingBot-Touch觸覺基礎模型
該模型基於近5000小時真實觸覺數據預訓練，覆蓋磁觸覺、視觸覺和壓阻式三類主流傳感原理，可將不同信號轉化為同一套觸覺表徵，供不同靈巧手和動作模型使用，讓機器人在“看得清楚、想得明白”的同時，進一步補齊精細操作所需的觸覺感知。在通用大模型加速演進的時點，選擇推出一款面向物理操作閉環的觸覺基礎模型，傳遞出螞蟻靈波對具身原生路線的持續投入和篤定。
給失控 AI 智能體裝"急剎車"：OpenAI 35 秒熔斷機制上線
OpenAI 在 11 月 10 日給出了一道新保險——名為"控制室"的系統已在內部研究設施上線，專門用來掐斷有風險的 AI 任務，最快能在 35 秒內叫停一隻失控的智能體。從"報警"升級到"斷供"傳統監控只會給可疑行為貼標籤，而控制室走的是主動阻斷路線。
你的遊戲“最強搭子”上線:騰訊首款AI遊戲陪伴Agent鵝次元”內測開啟
該產品面向PC端玩家，深度主打遊戲場景的實時陪伴，標誌著騰訊在遊戲AI交互與擬人化陪伴垂直領域的實質性佈局。“鵝次元”的核心技術亮點在於其具備實時的屏幕遊戲畫面感知能力。AI能夠實時讀取並理解用戶的遊戲畫面信息，針對玩家在遊玩過程中遇到的各類疑問提供即時問答支持。
千問 Qwen4 跑分力壓 Opus 5.5，極高性價比展現強勁競爭力
根據近日洩露的核心評測數據，該系列在專門評估遊戲開發創造力的 GameFeel Bench 基準測試中表現亮眼，成功在部分指標上超越了海外頂尖的 Opus5.5，成為首個在該項評測中實現反超的國產大模型。核心跑分超越海外勁敵，本地部署版本緊追主流此次曝光的測試結果顯示，定位輕量的 Qwen4-Flash 取得了49.
41年愛妻人設崩塌！黃仁勳一夜損失3萬億，或被英偉達免職；曝一汽大眾取消兩年「年終獎」，有人稱合計約20萬；豆包新圖像模型價格下降
要聞提示1.41年愛妻人設崩塌！黃仁勳一夜損失3萬億，或被英偉達免職2.曝一汽大眾取消兩年“年終獎”，有工程師稱合計約20萬元3.李佳琦被曝入手頂級超跑！落地價近2000萬元，年帶貨1750億元4.傳阿里平頭哥計劃明年赴港IPO5.日本人又拆中國電車：直呼電機結構“幾乎與特斯拉一樣”6.