蚂蚁数科发布LingDT-Decision-1.0决策模型，自报Token消耗降低超90%
蚂蚁数科推出专为快速决策设计的LingDT-Decision-1.0模型，自报在多项基准中表现优于竞品，大幅降低企业AI应用成本。
10月22日，中国科技企业蚂蚁集团旗下的数字科技子公司蚂蚁数科正式发布决策模型 LingDT-Decision-1.0。该模型包含4B和27B两个参数版本，已在蚂蚁数科的DTMaaS平台上线供开发者体验。与传统大语言模型不同，LingDT-Decision-1.0专为处理意图判断、工具选择、规则分类等结构化决策任务设计，旨在解决大模型在高频业务场景中推理链路长、Token成本高及输出格式不稳定等问题。
据蚂蚁数科团队在其智能客服、安全风控和金融应用等真实业务场景的内部测试显示，相比DeepSeek-V4-flash和Qwen-3.7-flash等大语言模型，LingDT-Decision-1.0可将Token消耗降低约90%至97%，处理时效提升1至10倍。例如，在智能客服场景中，风险识别准确率由76%提升至89%；在金融应用场景中，幻觉召回率由44%提升至70%。此外，在覆盖23项主流开源评测基准的测试中，该模型自报综合评分位居第一，超过了Microsoft-Decision-1、Jev 1.13.0等热门决策模型。
LingDT-Decision-1.0的核心创新在于首创支持原生多选与按序决策（DAG）功能。原生多选允许一项任务同时命中多个候选诉求，而按序决策能根据任务间的依赖关系执行多步操作。这一设计更贴近企业实际业务流程，如同时处理退款、关闭续费和补开发票等多重需求，并按逻辑顺序执行核验与操作。需要注意的是，上述性能优势及对比结果均基于厂商自测数据，尚未经过独立第三方的公开复现验证。