一种名为LLM-in-Sandbox的新范式正引发关注，它通过给大模型提供一个代码沙盒（虚拟电脑），让模型能像人类一样自由探索来完成任务。该方法无需额外训练即可显著提升模型在数学、化学等非代码任务上的表现，并大幅降低长文本处理成本，为构建通用智能体提供了新思路。
智能速览
LLM-in-Sandbox的核心是赋予大模型一个虚拟电脑环境以自由探索。
该范式无需额外训练，即可在多个非代码任务上带来显著性能提升。
大模型能自发使用沙盒中的网络、文件系统和代码执行等工具。
经强化学习后，其能力可泛化至数理化生及指令遵循等多个领域。
在长文本场景下，该方法能将Token消耗降低8倍，极大提升部署效率。
精华内容
为何一个看似简单的沙盒环境，能成为解锁大模型通用智能的关键？其背后的机制和实证结果揭示了新的可能性。
沙盒范式解析
LLM-in-Sandbox的灵感源于电脑的通用性。电脑之所以强大，是因为它能访问外部资源、管理文件和执行程序。研究者将这一逻辑应用于大模型，为其提供一个代码沙盒作为虚拟电脑，让模型自主探索，从而完成各类复杂任务。这种范式不仅限于编程，更旨在解决非代码领域的通用问题。
即插即用的增益
该范式最引人注目的特点是其“即插即用”的特性。在不进行任何额外训练的情况下，主流大模型在多个任务上都获得了性能提升。例如，在数学任务上，GPT-5的性能提升了10.1%；在指令遵循方面，DeepSeek-V3.2和Claude-Sonnet-4.5分别提升了14.4%和12.7%。这些数据证明了沙盒环境对激发模型潜能的直接有效性。
工具的自发使用
实验中发现，大模型在沙盒环境中会自发涌现出使用工具的能力。模型会自主访问互联网获取最新知识，利用文件系统来管理和处理长文本，甚至编写代码执行复杂的计算任务。这些行为并非通过专门训练获得，而是模型在与环境交互中自然习得的策略，展现了其向通用智能体演进的潜力。
效率革命
除了性能提升，LLM-in-Sandbox还带来了显著的效率优势。在处理长文本等需要大量上下文Token的场景时，通过将部分任务卸载到文件系统和脚本执行，模型推理所消耗的Token数量大幅减少。数据显示，处理100K Token的长文本任务，Token消耗可降低至13K，降幅高达8倍，这为大模型的经济性部署提供了可行方案。
LLM-in-Sandbox为构建更强大的通用智能体提供了一个高效且普适的路径，它证明了环境交互对于模型智能的关键作用。当环境交互的成本趋近于零，我们是否将迎来一个以‘具身’智能为主流的新范式？
