又一国产决策模型发布！准确率超过微软和Jev等决策模型
蚂蚁数科发布决策模型LingDT-Decision-1.0，提供4B和27B两个版本，在客服、风控等场景测试中Token消耗降低超90%、响应速度提升10倍。
核心要点速览
- 事件要点：蚂蚁数科发布决策模型LingDT-Decision-1.0，提供4B和27B两个版本，在客服、风控等场景测试中Token消耗降低超90%、响应速度提升10倍。
- 技术突破：围绕 蚂蚁, 发布, Jev等决策模型 等关键领域展开，推动了当前 AI 技术与工程落地的进一步深化。
- 产业观察：信息源自 雷峰网，为 AI 开发者、研究人员及产业决策者提供了高价值的技术演进信号与参考。
资讯解读
蚂蚁数科于10月22日推出决策模型LingDT-Decision-1.0，专为结构化决策任务设计，提供4B和27B两种参数规模，已在DTMaaS平台上线供开发者免费体验。
该模型的核心卖点是效率优化：相比通用大语言模型，在同等任务下Token消耗降低超90%，响应时效提升10倍，同时性能表现更优。这意味着在客服、风控、金融等高频决策场景中，推理成本可大幅压缩。
决策模型是产业AI落地的关键环节。通用大模型擅长生成与推理，但在需要快速、低成本、高准确率的结构化判断任务中往往存在冗余。LingDT-Decision-1.0试图在这一细分赛道建立差异化优势。
从行业趋势看，模型正从通用走向专用，从大而全走向小而精。蚂蚁数科此前已推出Ling系列大模型，此次切入决策场景，体现了产业AI从通用能力向垂直任务深耕的演进方向。
本站展示内容为基于公开信息的资讯解读与整理，不代表原文转载。如需核实细节或获取完整报道，请通过下方链接访问原始来源。
深度背景与行业观察
随着人工智能技术的快速演化，围绕 蚂蚁、发布、Jev等决策模型、LingDT-Decision-1.0 的技术探索正从单纯的算法突破转向系统化、场景化的实际落地。
在开源生态与商业化闭源模型的双重驱动下，算力调度、数据飞轮与智能体（Agent）工作流的结合愈发紧密。本条动态不仅反映了当前领域内的研发热点，也为下一阶段的工具化、工程化实践提供了重要风向标。