Datadog推出SRE专用AI模型Scout 推理成本降至通用大模型1/8

Datadog近日正式推出面向站点可靠性工程（SRE）场景的专用AI模型Scout，深度集成于其AI SRE产品Bits Investigation中，旨在实现故障排查的自动化与低成本化。Scout工作流程高度自动化：当系统触发告警后，自动查询日志、指标、追踪数据及部署记录等多源遥测信息，构建证据链并输出结构化根因推测与排查建议，模拟人类SRE诊断路径但无疲劳衰减。该模型基于开源GLM-5.3 Flash定制训练，全部使用模拟故障场景生成的数据，不涉及任何客户真实数据；采用强化学习策略，通过三维度奖励函数（正确性、探索广度、证据支撑强度）及工具受限训练防止模型“偷懒”或固化路径。在自建基准AlertEval中，Scout medium版本得分与GPT-4 Turbo、Claude Opus相当，推理成本仅为二者1/3至1/8；xhigh档位效果媲美Claude Fable 5.1 xhigh，成本仅为其1/4。公开测试SREGym显示，Scout medium解决71/90例标准故障，high档79例，xhigh档80例，略逊于GPT-4 Sol xhigh（82例），但具备端到端集成与显著成本优势。行业趋势正从纯Prompt工程转向神经符号混合架构——由确定性状态机主导逻辑推导，大模型仅负责报告生成，确保可审计、零幻觉。Scout目前处于封闭预览阶段，目标是成为工程师介入前的“全天候第一响应者”，推动告警响应从被动等待转向机器先行探路，有效缩短平均修复时间（MTTR）。