蚂蚁数科发布决策模型 LingDT-Decision-1.0，Token 消耗降低超 90%

感谢IT之家网友 仙人掌 的线索投递！

IT之家 10 月 22 日消息，蚂蚁数科今日发布决策模型 LingDT-Decision-1.0。该模型专为快速产业决策打造，在处理结构化决策任务时，具备准确率更高、响应更快、Token 成本更低等优势。

据介绍，相比于其他决策模型，LingDT-Decision-1.0 首创支持原生多选与按序决策能力，更适配企业真实应用场景。在 23 项开源评测基准中，LingDT-Decision-1.0 的性能超过了 Microsoft-Decision-1、Jev 1.13.等热门决策模型，LingDT-Decision-1.0 的 27B 版本在同参数模型中取得最高准确率。

蚂蚁数科团队在客服、风控、金融等真实业务场景测试显示，在处理同样任务时，LingDT-Decision-1.0 相比于大语言模型，可将 Token 消耗降低超 90%，响应时效提升 10 倍，并且性能表现更优。

在企业实际应用中，存在大量高频的决策类任务。例如，在客服场景中，当收到“这个订单已经三天了还没发货，请尽快处理。”的问询后，AI 需要快速进行一系列判断和决策：问题类型（退款、催单还是投诉？）、工单紧急度（是否需要优先处理）、归属部门（工单派到哪个部门）以及风险判断（是否需要人工接管）。

传统大语言模型在这类场景中存在明显短板。大语言模型通常需要逐字（Token）进行推理，再生成输出文本，链路长、成本高，也更容易出现错误，性能不够稳定。决策模型正是针对这些痛点而设计，它的目标不是生成文本，而是做出快速、准确的判断。因此，天然适合承担企业业务中的高频决策型任务，如意图判断、工具选择、规则分类和结果打分等。

相比其他决策模型，蚂蚁数科 LingDT-Decision-1.0 更加强调面向企业真实应用场景打造。除了判断、单选、分类、评级等基础能力外，LingDT-Decision-1.0 还首创推出原生多选与按序决策（DAG）功能，能够更好适配企业业务中复杂、多步骤的决策需求。

LingDT-Decision-1.0 提供 4B 和 27B 两个版本。目前，模型已经在蚂蚁数科 DTMaaS 平台上线。开发者可限时免费体验。