蚂蚁数科LingDT-Decision-1.0发布：27B综合评分第一，Token省90%
面向客服、风控、金融等产业AI场景。
10月22日，蚂蚁数科推出决策模型LingDT-Decision-1.0，共4B和27B两个版本，面向客服、风控、金融等产业AI场景中的高频决策任务，原生多选与按序决策（DAG）能力为业内首创。
现在开发者已经可以在蚂蚁数科DTMaaS平台上试用该模型，限时免费。
和生成长篇文本的模型不同，决策模型直接给出选项、分数或判断结果，可用在意图识别、工单路由、工具选择、模型路由和风险判断等环节。Jev走红之后，这类模型一直受到关注，微软、Perplexity等厂商随后也推出了各自的决策模型。
两款模型都面向结构化决策，但落点不一样。Jev偏通用，服务开发者和软件系统里的通用决策层，常见用途是路由请求、选择工具、安排Agent流程或触发人工审核；LingDT-Decision-1.0偏专用，瞄准客服、风控、金融等企业业务中的复合决策与多步骤流程。
能力层面，Jev靠预设选项完成选择、评分或真假判断，Choice通常返回概率最高的那个选项，并行提多个问题也能实现多项判断。LingDT-Decision-1.0则能一次识别多个诉求，并依据任务间的依赖关系调整处理顺序。
蚂蚁数科团队测试发现，在数据标注等场景处理相同任务时，LingDT-Decision-1.0对比DeepSeek-V4-flash，Token消耗下降97%，响应时效提升约10倍，性能表现还更好。
23项开源评测基准中，LingDT-Decision-1.0的综合评分高于Microsoft-Decision-1、Jev 1.13.0等热门决策模型，27B版本在同参数模型里准确率最高。
一、Token消耗降低超90%，覆盖客服、风控等高频任务
企业业务里，大量任务并不需要生成完整答案，要的是快速做出判断。
拿客服来说，用户说“这个订单已经三天没有发货，请尽快处理”，AI得判断这是催单、退款还是投诉，判定工单紧急程度，选定归属部门，还要识别是否需要人工接管。
传统大语言模型一般先生成结构化答案，再交给后续程序解析、校验。LingDT-Decision-1.0能在限定选项中直接完成判断，输出格式不稳定的影响因此减少。
蚂蚁数科公布的测试数据显示，数据标注场景中，LingDT-Decision-1.0对比DeepSeek-V4-flash，Token消耗降低约97%，处理时效提升约10倍；智能客服场景中，对比Qwen-3.7-flash，Token消耗降低90%，处理时效提升约1倍，风险识别准确率从76%升到89%。
金融场景中，该模型可用于意图识别、工具调用和幻觉检测。测试显示，相关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，幻觉召回率从44%升到70%。
测试结果表明，LingDT-Decision-1.0在客服、风控、金融等场景里都做到了低Token消耗、低延迟和较高准确率。同一个模型还能覆盖多类决策任务，企业在不同业务流程中复用时更方便。
二、支持原生多选与按序决策，27B版本综合评分第一
蚂蚁数科表示，除了判断、单选、分类和评级等基础能力，LingDT-Decision-1.0还首创原生多选与按序决策能力，对应企业业务中复杂、多步骤的决策需求。
原生多选让模型在一项任务中同时命中多个候选选项，适合多标签识别、复合意图和工具组合。比如用户提出“我要退款、关闭续费、补开发票，但不要注销账号”，模型能同时识别出退款、关闭续费和补开发票等多个诉求。
按序决策则依据任务间的依赖关系完成多步判断。退款要先核验，关闭续费可以立即执行，发票处理可能要等退款结果。只返回一个选项的单项决策做不到这一点，按序决策更贴近企业业务中的真实处理流程。
23项主流开源评测基准中，LingDT-Decision-1.0的27B版本综合评分排第一。该评分由90%的单选成绩和10%的多选成绩构成。蚂蚁数科称，LingDT-Decision-1.0的准确率超过Microsoft-Decision-1、Jev 1.13.0和Fastino/GLiDE等决策模型。
多选任务上，4B和27B版本的准确率超过Microsoft-Decision-1、Jev 1.13.0、Star-lux等16个决策模型；单选任务上，两个版本也处在第一梯队。
结语：决策模型加速进入产业AI
意图识别、任务分类、工具选择和风险判断这些高频任务，决策模型给出了新的解法。它不必生成长篇文本，直接返回结构化结果，Token成本随之下降，响应速度也随之提升。
蚂蚁数科这次发布LingDT-Decision-1.0，把决策模型放到客服、风控、金融等企业业务流程中做验证。原生多选和按序决策能力，让模型能处理复合意图和多步骤任务。更多决策模型进入实际业务后，性能表现和适用边界还会被进一步检验。
从Jev到微软、Perplexity再到蚂蚁数科，决策模型的玩家在变多，落地场景也从开发者工具延伸到企业业务系统。
