蚂蚁数科发布决策模型LingDT-Decision-1.0，称综合评分超微软等同类模型

据量子位报道，蚂蚁数科10月22日正式发布决策模型LingDT-Decision-1.0，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，面向产业AI场景。

LingDT-Decision-1.0提供4B和27B两个版本，目前已在蚂蚁数科DTMaaS平台上线，开发者可限时免费体验。该模型专为快速决策打造，目标不是生成文本，而是在限定选项中直接作出判断，适用于意图判断、工具选择、规则分类和结果打分等企业高频决策任务。

蚂蚁数科在客服、风控、金融等真实业务场景的测试显示，处理同类任务时，LingDT-Decision-1.0相比大语言模型可将Token消耗降低超90%，响应时效提升10倍，性能表现更优。具体测试中，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%；金融应用场景中，意图识别、工具调用、幻觉检测等任务处理时效提升约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%。

该模型称首创支持原生多选与按序决策能力。原生多选允许一项任务同时命中多个候选，适配多标签识别、复合意图和工具组合；按序决策（DAG）可按任务依赖关系完成多步决策，更贴近金融、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，超过Microsoft-Decision-1、Jev 1.13.0、Fastino/GLiDE等热门决策模型，并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，单选任务位居第一梯队。