据雷峰网报道，10月22日，蚂蚁数科发布决策模型LingDT-Decision-1.0，提供4B和27B两个版本，并已在蚂蚁数科DTMaaS平台上线，开发者可限时免费体验。该模型面向企业高频决策任务设计，蚂蚁数科称其在结构化决策任务上具备更高准确率、更快响应和更低Token成本。

蚂蚁数科介绍，LingDT-Decision-1.0的目标不是生成文本，而是在限定选项中直接做判断，以减少输出不稳定带来的格式问题以及后续解析和校验流程。蚂蚁数科团队在客服、风控、金融等真实业务场景测试显示，处理同样任务时，相比大语言模型，该模型可将Token消耗降低超90%，响应时效提升10倍，并且性能表现更优。

在具体场景测试中，数据标注场景相比DS-V4-flash，Token消耗降低约97%，处理时效提升约10倍；智能客服场景相比Qwen-3.7-flash，Token消耗降低90%，处理时效提升约1倍，风险识别准确率由76%提升至89%。在金融应用场景的意图识别、工具调用、幻觉检测任务中，处理时效提升约5倍，工具组合完全匹配率提升约2.6倍，幻觉召回率由44%提升至70%。

相比其他决策模型，LingDT-Decision-1.0更强调面向企业真实应用场景。除判断、单选、分类、评级等基础能力外，该模型还支持原生多选和按序决策（DAG）。蚂蚁数科称，这两项能力为全球首发，可让一项任务同时命中多个候选，并按照任务依赖关系完成多步决策，适配多标签识别、复合意图、工具组合以及金融、风控、客服等业务流程。

在覆盖23项主流开源评测基准的测试中，LingDT-Decision-1.0的27B版本综合评分位居第一，准确率超过Microsoft-Decision-1、Jev 1.13.0、Fastino/GLiDE等热门决策模型，其27B版本在同参数模型中取得最高准确率。其4B和27B版本在多选任务上的准确率超过Microsoft-Decision-1、Jev 1.13.0、Star-lux等16个决策模型；在单选任务上，该模型位居第一梯队。