蚂蚁数字科技发布 LingDT-Decision-1.0，不生成文字而直接做选择

蚂蚁集团旗下企业科技公司蚂蚁数字科技于 10 月 23 日发布 LingDT-Decision-1.0，这是一款专为结构化业务决策设计的模型，直接在预定义的选项中进行判断，而非生成开放式文字；提供 40 亿（4B）和 270 亿（27B）参数两个版本，已上线蚂蚁数字科技的 DTMaaS 平台，开发者可在限时内免费试用。

LingDT-Decision-1.0 发布概要：已上线 DTMaaS 平台

蚂蚁数字科技（Ant Digital Technologies，蚂蚁集团旗下）于 2026 年 10 月 23 日发布 LingDT-Decision-1.0，提供 40 亿（4B）和 270 亿（27B）两个参数规模版本。

模型已上线蚂蚁数字科技的 DTMaaS 平台，开发者可在限时内免费试用。蚂蚁数字科技定义此模型的用途为企业级智能体中的结构化决策任务，并非面向一般的文字生成应用场景。

设计理念：从通用 LLM 分离高频小判断，直接在预定义选项中做结构化选择

LingDT-Decision-1.0 的核心设计理念，是将一类常见的企业任务从通用 LLM 中分离出来处理。蚂蚁数字科技指出，许多企业任务本质上是在已知选项之间做一系列选择。以客户服务场景为例：收到「订单三天后仍未发货」的投诉消息时，系统需要同时判断处理方式（退款、催促或投诉）、问题的紧急程度、应由哪个部门处理，以及是否需要人工介入。

传统通用 LLM 的处理方式是逐个 token 推理、输出文字，再将文字解析为决策结果；蚂蚁数字科技表示，这种方式耗时、耗费计算资源，且更容易出错。LingDT-Decision-1.0 设计为直接在一组预定义的选项中进行判断，省略了中间的文字生成与解析步骤。

性能指标：token 消耗降低 90%、响应速度提升 10 倍

依据蚂蚁数字科技在客户服务、风控和金融场景下的自评测试，LingDT-Decision-1.0 相较于同类 LLM 在相同任务中降低 90% 以上的 token 消耗，响应速度提升最高 10 倍，且性能表现更优。蚂蚁数字科技的基准测试结果显示，在 23 项开源基准测试中，LingDT-Decision-1.0 优于 Microsoft-Decision-1 和 Jev 1.13，27B 版本在同等规模的模型中取得最高准确率。

以上所有数据及基准测试结果均为蚂蚁数字科技本身的评估，尚未经过独立第三方验证。

应用场景与 LLM 协同定位：代理工作流程中的高频决策步骤

LingDT-Decision-1.0 支持以下任务类型与应用场景：

基本决策任务：是非判断、单选、分类、评分

进阶任务：原生多选、以有向无环图（DAG）形式呈现的顺序决策，契合多步骤业务流程

代理工作流程高频步骤：意图检测、工具选择、规则分类、评分等重复性小型判断

已测试业务场景：客户服务、风险控制、金融场景（均为蚂蚁数字科技自评数据）

蚂蚁数字科技明确定位 LingDT-Decision-1.0 为与通用 LLM 协同工作的模型，而非取代后者；设计目标是让通用 LLM 从大量重复的小型判断中解放，专注于需要开放式推理和生成的任务，对于大规模构建智能体的团队而言，可降低整体成本与延迟。

常见问题

LingDT-Decision-1.0 与通用 LLM 的本质差异是什么？

通用 LLM 处理决策任务时，会逐个 token 推理并输出文字，再将文字解析为决策结果。LingDT-Decision-1.0 的设计是直接在一组预定义的选项中进行判断，省略文字生成与解析步骤；蚂蚁数字科技自评数据显示，这一设计使 token 消耗降低 90% 以上，响应速度提升最高 10 倍（数据未经独立验证）。

LingDT-Decision-1.0 的自评基准测试结果有哪些？

依蚂蚁数字科技的自评，LingDT-Decision-1.0 在 23 项开源基准测试中优于 Microsoft-Decision-1 及 Jev 1.13，27B 版本在同等规模模型中取得最高准确率。蚂蚁数字科技明确说明，以上结果仅代表公司本身的评估，尚未获得独立第三方验证。

LingDT-Decision-1.0 在哪里可以试用，支持哪些任务类型？

LingDT-Decision-1.0 已上线蚂蚁数字科技的 DTMaaS 平台，开发者可在限时内免费试用；提供 4B 和 27B 两个版本。支持的任务类型包括：是非判断、单选、分类、评分（基本任务），以及原生多选和以有向无环图（DAG）形式呈现的顺序决策（进阶任务）。