Datadog 发布首个自研模型 Scout 1.0：基于 GLM-5.3 Flash 做强化学习，排障质量追平 GPT-6.1 Sol、Opus 5.5，推理成本低 3–8 倍

怎么练出来的：Scout 以智谱开源的 GLM-5.3 Flash 为底座，在排障模拟环境里用强化学习做后训练。模拟环境用真实历史事故和真实告警的遥测数据搭建，已知根因，Datadog 称训练数据不含客户数据；模型练习使用的工具与 Bits Investigation 线上工具同名、同参数、同返回格式，奖励「找到根因并用证据支撑结论」。RL 框架为自研异步栈，基于 SkyRL 和 Ray 的分支。评测上，AlertEval 由真实告警、存档遥测和 Datadog 工程师写的根因说明组成（0–100 分，按与专家结论的吻合度给部分分，不等于「解决了多少比例的事故」）；在第三方基准 SREGym（90 个故障）上，Scout 1.0 medium 明显强于底座 GLM-5.3 Flash，并以不到四分之一的成本超过 GLM-5.3，高档位与前沿模型相当，成本仍至少低 2 倍（比 Astra/Fable 级模型低 10 倍）。

真实用法：技术报告给了一个 Datadog 内部真实事故：Postgres 的 30 个 autovacuum 工作进程全部忙了一个多小时，死行从 30 万涨到 450 万；真正的起因是两小时前的一次 Kubernetes 节点排空——只读副本连同本地盘被删，新副本在另一节点空盘启动，主库仍保留旧的复制槽，导致清理进度卡住，从根因到告警隔了 5 跳。Scout 排除了写入高峰的假设，发现替换副本未就绪、反复请求已不存在的复制日志，最终把告警追溯到那次节点排空。Datadog 的思路是：单次排查要反复调模型，成本降下来，就能对更多告警、在事故更早阶段自动排查，难题再用 xhigh 多花算力。

谁能用：Scout 目前是封闭预览，只在 Bits Investigation（Datadog 的 AI SRE）里使用；Datadog 自家工程团队和一小批预览客户已在生产告警上使用，其他客户可在 Datadog 产品预览页报名。Datadog 未公布 Scout 的单独 API、开源权重或定价，正式发布（GA）时间也未公布。

解读：这是「垂直场景小模型 + 专有工具环境 RL」路线的又一个样本：用开源中等模型做底座，靠自家工具链和真实事故数据造训练场，在单一任务上做到前沿模型水准、成本降一个数量级。对 Datadog 这类平台来说，护城河不在模型本身，而在只有它拥有的遥测数据和工具接口；同时，又一家美国大公司选择中国开源模型（GLM-5.3 Flash）当底座，也值得注意。但 AlertEval 是 Datadog 自建、自评（LLM 当裁判）的基准，独立复现还要看 SREGym 之外的更多第三方结果。讨论：1. 你会让一个专用小模型做线上事故的第一响应人，还是只信前沿通用模型？2. 掌握数据和工具环境的 SaaS 公司，自训模型会不会成为下一波标配？