Datadog 推出排障专用模型 Scout

2026 年 11 月 12 日，Datadog 发布了轻量级专用模型 Scout，用于排查生产环境中的问题。该模型运行在 Datadog 的 AI SRE 产品 Bits Investigation 中，能够接收告警、查看遥测数据并给出问题根因推测，目前处于封闭预览阶段，由 Datadog 工程师和少量客户使用。

公告中描述的大部分工作都与成本有关。排查故障可能需要多次调用模型，因为 Bits 会尝试查询、分析结果并决定下一步要检查什么，通用模型虽然可以完成这类任务，但 Datadog 表示高昂的调用成本导致无法对每一条告警都跑一遍，团队希望在工程师收到告警、还在响应的同时，Bits 就已经开始排查。Datadog 称，在其 AlertEval 基准测试中，Scout medium 的得分接近 GPT-6.1 Sol high 和 Claude Opus 5.5 high，排查成本仅为后者的三分之一到八分之一；在 xhigh 档位下，Scout 的效果对标 Claude Fable 5.1 xhigh，成本降为四分之一。Scout 专为低延迟、高频率告警响应优化，目标是让 Bits 成为全天候待命的第一响应者，在工程师介入之前收集线索、定位可能的故障原因。据公告，Scout 基于 GLM-5.3 Flash 构建，并使用模拟事件进行了强化学习后训练，参与公告撰写的作者包括 Othmane Abou-Amal、Ben Cohen、Afshin Rostamizadeh、Ameet Talwalkar、Omri Sass 和 Daniel Shan。