Datadog Agent Observability passa a suportar Fireworks AI como provedora de modelos

O Datadog Agent Observability passou a aceitar a Fireworks AI como provedora de modelos. Quem roda agentes sobre modelos abertos hospedados lá (GPT-OSS, Kimi, GLM, Qwen e MiniMax, citados pela Datadog) agora conecta a própria chave de API uma vez e vê os modelos disponíveis em qualquer ponto da plataforma que peça um provedor.

Na prática, são dois usos. O primeiro é LLM-as-a-judge: um modelo da Fireworks pontua entradas e saídas dos traces de produção em critérios como fidelidade, relevância de tópico e sentimento. Os resultados aparecem ao lado de cada span, dá para filtrar traces por nota e alertar sobre regressões. O segundo é o Playground, onde você testa prompts contra modelos como o gpt-oss-120b e vê resposta, contagem de tokens e latência. Dá para trocar por endpoints de roteamento de baixa latência, como o Nexus Auto, rodar o prompt contra um dataset e usar o "Get Code" para copiar a configuração para a aplicação.

Como as avaliações rodam na sua conta Fireworks, o consumo segue o faturamento e a governança que você já configurou. Você escolhe o equilíbrio entre custo e qualidade por avaliador e não precisa montar um pipeline à parte para exportar traces, chamar o modelo e gravar as notas de volta. O recurso está disponível para todos os clientes do Agent Observability.

Em 2 de novembro de 2026, o CEVIU noticiou "Datadog Agent Observability passa a fazer tracing de voice agents", com captura de áudio, transcrições, tokens e tool calls de agentes sobre a OpenAI Realtime API. Quatro dias depois, o mesmo produto amplia o outro lado: além de observar agentes, agora aceita um novo provedor de modelos para avaliá-los e testá-los.

Para quem opera agentes em produção, isso sugere que o custo da avaliação contínua pode cair, já que o juiz pode ser um modelo aberto menor ou um endpoint de baixa latência, escolhido por avaliador. Para times de plataforma, manter a cobrança na conta da Fireworks facilita aplicar os controles de governança existentes. É uma leitura editorial: o ganho real depende da qualidade do modelo escolhido como juiz, e isso precisa ser validado nos seus próprios dados.