蚂蚁数科发布决策模型LingDT-Decision-1.0，称Token消耗降超90%
蚂蚁数科于 10 月 22 日发布决策模型 LingDT-Decision-1.0，提供 4B 和 27B 两个版本，定位是处理企业高频结构化决策任务（如意图判断、工具选择、规则分类、结果打分）而非生成文本，目前已在 DTMaaS 平台上线，开发者可限时免费体验。厂商称该模型首创支持原生多选与按序决策（DAG）能力，并在客服、风控、金融场景测试中相比大语言模型将 Token 消耗降低超 90%、响应时效提升 10 倍，还称在 23 项开源评测基准中超过 Microsoft-Decision-1、Jev 1.13 等决策模型，27B 版本在同参数模型中取得最高准确率。上述性能数据与对比结果均为厂商自述，暂无第三方验证，文中也未提及模型开源或权重获取方式。
rss · IT之家 · 10月22日 10:12
「为何值得关注」 '用专用决策模型替代生成式 LLM 处理高频企业任务'的思路直指企业 AI 的 Token 成本与响应时延痛点，若数据属实会影响企业 AI 降本的选型思路。但发布于今日、各项数字尚未经独立复核，实际效果仍待验证。
「内容切入」 可做角度：以客服工单处理为例（问题分类、紧急度、派单、是否人工接管），拆解决策模型与生成式大模型在推理链路和成本上的差异，讨论企业高频任务是否需要专用小模型；同时明确说明 Token 降低 90%、响应快 10 倍等数字均来自厂商自述，建议以实测为准，不做采购或投资推荐。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →