Datadog发布Scout 1.0：专为事故调查训的SRE模型，给Bits Investigation降推理成本

告警一响，人还在开会，AI先去翻日志——这是很多监控厂商都在讲的故事。Datadog这次不一样的地方是：它不只接通用大模型，而是自己训了一个专干事故调查的模型。

2026-10-15，Datadog发布Scout 1.0：面向生产问题排查的专用模型，给自家的AI SRE产品Bits Investigation当引擎。目标写得很清楚：把单次调查的推理成本压下来，让「每个告警都先跑一遍自动排查」在账面上说得通。

Scout解决的是哪道算术题

一次Bits调查要反复调用模型：提出假设、查遥测、判断证据够不够、再决定下一步。调用次数一多，用前沿通用模型会很贵，于是团队只能挑严重告警才开AI，或者调查跑得很浅。

Scout的卖点是性价比曲线。按Datadog在内部基准AlertEval上的说法（分数是与专家参考解释的一致性，0–100，不是「解决了百分之多少事故」）：

• Scout 1.0 medium档，调查质量大致对齐GPT-6.1 Sol high、Claude Opus 5.5 high，估计推理成本低约3–8倍；相对部分中档前沿模型，成本优势可到十几倍量级；
• 加测试时算力的xhigh档，质量对齐其评测里最强的一档前沿模型，成本仍大约低4倍。

数字来自厂商自己的基准和成本估算，外部分独立复现。当参考坐标看，别当成采购合同里的SLA。

模型从哪来、怎么训

底座是开源权重的GLM-5.3 Flash，再用强化学习做post-training。训练环境不是拿客户数据直接喂，而是用历史事故与真实告警遥测构造模拟，原因已知，让模型练习使用与Bits Investigation同类的工具去取证、排除假设。奖励函数偏向「找到原因，并且有证据支撑」。

他们还搭了自己的分布式RL训练设施，并单独做了AlertEval：工程师在事故流程里沉淀的标注，加上归档遥测和根因说明。另在第三方基准SREGym上测过，称相对底座GLM-5.3 Flash有明显提升，高档模式仍宣称有成本优势。

技术报告PDF与博客同一天放出，题为《Scout 1.0: Post-Training a Model for SRE Investigations》。

现在谁能用

官网写的是：Datadog内部工程团队，以及一小批客户，已在closed preview里用Scout跑生产告警调查。对外开放是preview报名，尚未GA。想试用得走官方预览登记，不是勾选一个开关就全员可用。

产品形态上，Scout绑在Bits Investigation里，不是单独对外开放的通用聊天API。你把告警、指标、日志、链路已经接进Datadog，Bits才有东西可查；Scout再决定查哪些、怎么下结论。

落地时我会先问自己的五个问题

1. 告警噪声有多高？成本降了以后，最怕的是「便宜到可以对着垃圾告警狂扫」，报告量暴涨，人反而更累。先治理告警，再放大自动调查覆盖面。
2. 结论谁签字？预览阶段更适合「AI起草、人确认」，尤其是涉及扩容、回滚、改配置的建议。
3. 工具权限边界？调查代理若能执行查询语言、看密钥相关日志，要按现有RBAC和审计走，别为了demo开上帝权限。
4. 和现有on-call工具怎么接？Slack告警频道、Jira事故单、Grafana大盘是否只读接入，要事先画清。
5. 多云与自建各半怎么评？Scout的训练偏Datadog遥测与Bits工具；你的核心证据若在别的系统，效果会打折，这是专用模型的通病。

和「通才大模型 + MCP/工具」路线比

很多团队用Claude或ChatGPT配日志查询工具做事故助手，灵活，但每次调用按通用模型计价，还要自己维护提示词和评测集。Scout走的是反方向：场景收窄、模型特化、成本优先，换来「可以更早、更频地跑」。

观测栈上，Sentry偏错误与性能，Prometheus偏指标采集，Grafana偏可视化；Datadog是同一厂商里把指标/日志/APM和Bits串在一起。选哪条路，取决于你是否已经深度绑定Datadog，而不是谁的模型分数更高。

开发侧相关工具见AI开发分类、开发工具分类、Kubernetes与GitHub。若在做Agent可观测，也可对照Claude的OpenTelemetry能力。

对中小团队，还有一个现实约束：Bits与Scout再便宜，也建立在你已经为Datadog付了日志与APM账单的前提下。若日志量本身就在为成本发愁，先做采样与保留策略，再谈「每个告警都自动深挖」。

官方自己描绘的下一步

博客末尾写到：继续扩大故障模拟类型、压低成本的同时提质，并把思路从「调查」延伸到「自动修复、更快恢复」，让Bits从first responder走向某些场景下的only responder。这是路线图语气，预览用户不妨当成方向，而不是到货清单。

预览阶段怎么评估值不值得排期

如果你们已经重度使用Datadog告警与APM，预览的价值主要在两点：一是看Scout在你们自己的告警分布上误报/漏报长什么样；二是看Bits输出能不能直接贴进事故频道减少首轮人工翻盘时间。若监控还散落在多套系统，先完成遥测汇聚，再约预览，否则模型再省钱也缺少原料。

评估时建议固定一套回放集：最近90天里10–20起有书面复盘的事故，隐去敏感字段后，让Bits+Scout只读跑一遍，对比人写的根因段落。比盯着厂商AlertEval分数有用。

常见疑问

没有Datadog能单独买Scout吗？目前叙述都绑在Bits Investigation上，未见独立模型API。

会不会用我的生产数据训练？官方强调训练模拟不包含客户数据；具体合同与数据处理附录仍以你的企业协议为准。

中文告警/本地化runbook效果如何？公开材料以英文技术叙事为主，预览里用自己的真实告警验证最靠谱。

来源与核查日期

• Datadog Blog：Introducing Scout 1.0（2026-10-15）
• Datadog：Scout 1.0技术报告PDF

核查日期：2026-10-19（新加坡时间）。功能处于closed preview，以Datadog账号与销售通道为准。