ResolveAI发布SRE-1:让人工智能替工程师值夜班
ResolveAI推出专为生产环境训练的270亿参数模型SRE-1,其值班智能体已正式接手寻呼机。测试显示,它处理生产故障的准确率可与最强前沿模型比肩,而成本更低。
!数据中心机房内的服务器机架
告警无人接:生产运维的老大难
2026年11月18日,ResolveAI发布了SRE-1,一款专门用于查找生产告警根本原因的模型,参数规模为270亿,基于开放权重构建。与此同时,其Primary On-call智能体正式全面上线,开始“替工程师值班”:它接收寻呼、独立调查、关闭能够关闭的告警,只在需要人类判断时才升级上报。
这一产品的针对性,源于生产运维的特殊困境。人工智能已经改变了代码的编写方式,却几乎没有触及代码的运行方式。模型可以从数十亿行公开代码中学习编程,但生产环境没有可比的公开训练语料:没有两家公司的系统是相同的,故障记录属于商业机密,根本原因从未被写下来,而调查所依赖的证据往往在数周内就会过期。通用模型再强大,面对故障时也只能从零开始摸索。
强化学习:从6.9%到38.8%的跃升
SRE-1的训练方式颇具针对性。由16名人工智能研究人员组成的团队,在最多512块图形处理器上进行了为期7.4天的最终训练,仅使用强化学习,便将单次调查的通过率从6.9%提升至38.8%,测试的是相同的故障与相同的工具。训练中的每一项工具都被锁定在告警触发的那一刻,使模型无法从未来的信息中“偷看”答案。
在49个困难的真实生产案例中,每个案例运行5次,5次SRE-1调查组成的集成结果,与受测的最强前沿模型相当,而成本更低。在178次生产告警调查中,以已验证的根本原因为标准评分,ResolveAI的完整系统解决的故障数量约为通用编程智能体的两倍,在最困难的三分之一告警中,根本原因评分高出15%至25%。需要说明的是,以上所有基准数据均为ResolveAI自行公布。值得注意的是,SRE-1的参数规模为270亿,远小于前沿通用模型,这说明在特定任务上,规模并非决定胜负的唯一因素。
!现代化数据中心的基础设施
值班智能体:八成告警无需叫醒人类
Primary On-call的工作方式,是把智能体放进真实的值班流程。它接收寻呼后,横跨遥测数据、基础设施、代码与运维知识进行调查,随后关闭告警、在团队政策允许的范围内缓解问题,或在需要人类判断时升级上报。行动之后,它会对照生产基线验证修复效果,并持续观察直至恢复得到确认。
在实际生产中,Primary On-call处理的高达80%的寻呼告警无需升级至人类工程师;客户报告称,平均故障解决时间改善达10倍,根本原因准确率最高达95%。Salesforce表示,在暗启动测试的最初几周内,ResolveAI关闭了超过70%的寻呼告警,且没有在夜间叫醒工程师,准确率很高。现有的寻呼系统超时机制仍然作为独立的安全兜底,ResolveAI会记录每一次调查与决策,供工程师事后审查。对运维工程师来说,被寻呼叫醒是令人疲惫的工作体验之一,而Primary On-call的出现,正是要把人类从这种重复劳动中解放出来。然而,把寻呼交给人工智能,也意味着把信任交给算法:一次错误的判断,可能让本可避免的故障演变为严重的服务中断。ResolveAI的应对之道,是渐进式的授权:先在熟悉的告警规则上并行运行、记录判断,等到表现得到验证,再接管值班。
从救火到根治:专有模型的价值
ResolveAI的另一项工作,是处理那些反复出现却从未被根治的问题。Primary On-call会把相关的告警与调查关联起来,形成对每个潜在问题的共同视图,并在团队批准的范围内实施修复,随后持续监测确认修复有效。证据与完整的审计轨迹会保留在问题记录中。这种“先观察、再接管”的模式,可能是人工智能进入关键生产系统的正确路径:信任需要通过记录来积累,而非通过承诺来获得。对ResolveAI来说,SRE-1只是起点:公司计划将同样的专用模型思路,扩展到更多生产运维的场景之中。
SRE-1仅通过ResolveAI提供,不作为开放权重发布。客户名单包括Coinbase、DoorDash、Figma、MSCI、纳斯达克、Salesforce、SAP与Zscaler。对行业而言,SRE-1的意义在于证明:领域专用模型可以在特定任务上击败通用模型,而且成本更低。对普通读者来说,这类进展的影响是间接却真实的:当故障被更快修复,依赖这些系统运行的支付、购物与办公服务,也会变得更加稳定可靠。对行业而言,SRE-1的启示在于,专用模型与通用模型的竞争才刚刚开始,而生产运维只是第一个战场。对投资者来说,ResolveAI的模式提供了一个新的思路:与其追逐通用大模型,不如在垂直场景中做到极致。
!网络运营中心内工程师监控屏幕
ResolveAI的SRE-1,标志着人工智能正在从“写代码”走向“运行代码”。对行业来说,专用模型的胜利提示了一个方向:与其追求无所不能的通用模型,不如在关键场景中把模型训练到极致;对普通读者而言,值班智能体的普及意味着深夜的系统故障将更少打扰到人类工程师,而服务的中断时间也将更短。当人工智能开始替人类值夜班,真正的考验在于:它能否在无人监督的深夜,始终作出正确的判断。对普通读者来说,值班智能体的普及,最终会体现在更稳定的服务上:支付不中断、购物不卡顿、办公系统不宕机。
关注本账号,获取前沿科技的深度解读与最新动态。
来源:https://venturebeat.com/business/resolveai-launches-sre-1-the-most-accurate-model-for-production-at-every-budget
评论 共 0 条 · 0.20s