Datadog 发布 Scout 1.0：用强化学习把 GLM-5.3 Flash 调成排障模型，自家 AlertEval 上与 Opus 5.5、GPT-6.1 Sol 持平，成本低 3–8 倍，目前封闭预览

这件事意味着什么

【要点】

Datadog 10 月 15 日发布 Scout 1.0，这是它第一个自研模型，专门用来调查线上故障，驱动其 AI SRE 代理 Bits Investigation。Scout 以智谱开源的 GLM-5.3 Flash 为底座，用强化学习在「故障调查模拟环境」里后训练：环境由真实历史事故和告警遥测搭建，Datadog 称不含客户数据；奖励看能否找到根因并给出证据。

Datadog 公布的成绩：在自建、由工程师标注的 AlertEval 上，Scout 1.0 medium 与 GPT-6.1 Sol high、Claude Opus 5.5 high 相当，估算推理成本低 3–8 倍；与 Fable、Astra 的 medium 档相当，成本分别低 12 倍和 19 倍；xhigh 档与 Claude Fable 5.1 xhigh 持平，成本低 4 倍。在第三方基准 SREGym 上，medium 档明显超过底座，并以不到 1/4 的成本超过 GLM-5.3。目前只在 Datadog 内部和少量客户封闭预览中使用，可报名，未公布 GA 时间和价格。

【可核验】

官方博客：https://www.datadoghq.com/blog/ai/introducing-scout-sre-specialized-model-bits-ai/

技术报告：https://web-assets.dd-static.net/42588/1792071077-datadog-scout_technical_report.pdf

@datadoghq：https://x.com/datadoghq/status/2110750909152034912

【我们的判断】

一、这是「开源底座 + 垂直场景 RL」路线又一例（此前 Paper Instruments 的 Ultramarine，e/877，也基于 GLM-5.3 Flash）：拥有真实环境和数据的公司，正在用小模型在窄任务上逼近前沿模型。

二、核心成绩来自 Datadog 自建的 AlertEval，分数是与专家解释的吻合度（0–100），不是故障解决率；第三方 SREGym 的结果更值得参考。

三、对用户来说，意义在于成本：调查便宜十倍，才可能对每条告警都先跑一遍，这比单次准确率更改变工作方式。