{"id":90872,"topic":"ai","source":"搜狐网","title":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec - 搜狐网","url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","url_hash":"c8dab0f7cfcd09e13d5eb40b870698c1560201a4","author":"","summary":"<a href=\"https://news.google.com/rss/articles/CBMijAFBVV95cUxPXzRIV3ZzTXpTdmluWEx5a25OMXBTemxxbXRvQVRhY3p3TGYtXy1fYzRTTEEtOUZ0WmZZODVGazhIWHhib3NCSnBPMDFrU0tFT1c4bkVaY1dvZHNfYk9OQ0hTZnlBSGFnTms0dXUwdlh4LXYxVTdnOWZXb256UEdsN2lkSXA2ZVEtZzhtaw?oc=5\" target=\"_blank\">大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">搜狐网</font>","content":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","image_url":"//q0.itc.cn/q_70/images03/20260927/5070bfd47b2f4e62a19e585fb1293d2f.jpeg","lang":"zh","published_at":"2026-09-26T16:48:14+00:00","fetched_at":"2026-09-26T17:15:08+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 654 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":654,"summary_length":654,"usable_text_length":654,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":654,"summary_length":654}},"news_item":{"id":90872,"canonical_url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","source_url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","title":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec - 搜狐网","source_name":"搜狐网","author":null,"published_at":"2026-09-26T16:48:14+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"<a href=\"https://news.google.com/rss/articles/CBMijAFBVV95cUxPXzRIV3ZzTXpTdmluWEx5a25OMXBTemxxbXRvQVRhY3p3TGYtXy1fYzRTTEEtOUZ0WmZZODVGazhIWHhib3NCSnBPMDFrU0tFT1c4bkVaY1dvZHNfYk9OQ0hTZnlBSGFnTms0dXUwdlh4LXYxVTdnOWZXb256UEdsN2lkSXA2ZVEtZzhtaw?oc=5\" target=\"_blank\">大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec</a>&nbsp;&nbsp;<font color=\"#6f6f6f\">搜狐网</font>","full_text":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","excerpt":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 654 characters.","diagnostics_url":"/api/diagnose?url=https%3A//m.sohu.com/a/1081231318_121361416%3Fscm%3D10001.325_13-325_13.0.0-0-0-0-0.5_1334","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 654 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":654,"summary_length":654,"usable_text_length":654,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":654,"summary_length":654}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec - 搜狐网","url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","summary":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","source":"搜狐网","date":"2026-09-26T16:48:14+00:00","content":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//m.sohu.com/a/1081231318_121361416%3Fscm%3D10001.325_13-325_13.0.0-0-0-0-0.5_1334","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 654 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 654 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":654,"summary_length":654,"usable_text_length":654,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":654,"summary_length":654}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/90872","export_markdown":"/api/items/90872/export?format=markdown","export_json":"/api/items/90872/export?format=json","diagnose":"/api/diagnose?url=https%3A//m.sohu.com/a/1081231318_121361416%3Fscm%3D10001.325_13-325_13.0.0-0-0-0-0.5_1334"},"formats":{"full":{"id":90872,"title":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec - 搜狐网","url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","source":"搜狐网","author":null,"published_at":"2026-09-26T16:48:14+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","full_text":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 654 characters.","diagnostics_url":"/api/diagnose?url=https%3A//m.sohu.com/a/1081231318_121361416%3Fscm%3D10001.325_13-325_13.0.0-0-0-0-0.5_1334","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 654 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":654,"summary_length":654,"usable_text_length":654,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":654,"summary_length":654}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 654 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":654,"summary_length":654,"usable_text_length":654,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":654,"summary_length":654}},"actions":{"read":"/item/90872","export_markdown":"/api/items/90872/export?format=markdown","export_json":"/api/items/90872/export?format=json","diagnose":"/api/diagnose?url=https%3A//m.sohu.com/a/1081231318_121361416%3Fscm%3D10001.325_13-325_13.0.0-0-0-0-0.5_1334"}},"digest":{"id":90872,"title":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec - 搜狐网","url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","source":"搜狐网","topic":"ai","published_at":"2026-09-26T16:48:14+00:00","excerpt":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec 很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 654 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec - 搜狐网","subtitle":"搜狐网 · 2026-09-26","summary":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec 很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向…","badges":["quality:high"],"links":{"read":"/item/90872","original":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","diagnose":"/api/diagnose?url=https%3A//m.sohu.com/a/1081231318_121361416%3Fscm%3D10001.325_13-325_13.0.0-0-0-0-0.5_1334"},"quality_warning":null},"export":{"title":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec - 搜狐网","url":"https://m.sohu.com/a/1081231318_121361416?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334","summary":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","source":"搜狐网","date":"2026-09-26T16:48:14+00:00","content":"大模型下半场，拼的不再是 GPU！DeepSeek 亮出 Agent 时代的底层基建 DSec\n很多人还停留在认知：AI 竞争就是堆显卡、拼 Token 生成速度。但 DeepSeek 最新发布在 arXiv 上的论文，撕开了 AI 产业新战场。130 多人团队联合产出的《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》，传递一个核心信号：AI 已经从 “输出文字” 的大模型时代，迈向 “动手执行任务” 的智能体 Agent 时代。GPU 与训练数据依旧重要，但可隔离、可交互、可恢复的大规模沙盒环境，正在成为智能体竞赛的新底盘。\n过去大模型的核心工作，是接收用户指令，输出一段文字、代码，本质是 Token 的生成。模型只负责 “说”，不需要动手在环境里操作。但 Agent 智能体不一样，它需要持续和外部环境交互：读取文件、修改代码、执行命令、运行测试，根据反馈不断调整决策。以编程智能体为例，它不是一次性写出代码就结束，而是反复执行、报错、修复，在动态环境里完成完整任务闭环。\n这种交互模式，直接带来全新的工程难题。想要批量训练海量 Agent，就必须同时撑起几十万独立、隔离的运行环境。如果每个智能体单独占用一套完整系统，资源开销会爆炸；Agent 在试错过程中还可能寻找系统漏洞、投机作弊，甚至破坏运行环境。传统大模型训练框架，完全无法适配这种场景。而 DeepSeek 此次披露的 DSec，就是专门为大规模 Agent 强化学习打造的生产级沙盒基础设施。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//m.sohu.com/a/1081231318_121361416%3Fscm%3D10001.325_13-325_13.0.0-0-0-0-0.5_1334","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 654 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 654 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":654,"summary_length":654,"usable_text_length":654,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":654,"summary_length":654}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}