螞蟻版Jev模型來了！27B版本綜合評分第一，Token省90%

作者 | 楊京麗 編輯 | 李水青 10月22日報道，今日，螞蟻數科發佈決策模型LingDT-Decision-1.0。該模型提供4B和27B兩個版本，專為客服、風控、金融等產業AI場景中的高頻決策任務打造，首創推出原生多選與按序決策（DAG）功能。目前，該模型已上線螞蟻數科DTMaaS平臺，開發者可限時免費體驗。決策模型不生成長篇文本，直接返回選項、分數或判斷結果，可用於意圖識別、工單路由、工具選擇、模型路由和風險判斷等。這類模型近期因Jev走紅而受到持續關注。繼Jev之後，微軟、Perplexity等廠商也相繼推出了自己的決策模型。LingDT-Decision-1.

0與Jev都面向結構化決策，但側重點有所不同。Jev更為通用，主要面向開發者和軟件系統中的通用決策層，常用於路由請求、選擇工具、安排Agent流程或觸發人工審核；LingDT-Decision-1.0則更專用，主要面向客服、風控和金融等企業業務中的複合決策與多步驟流程。在模型能力上，Jev主要通過預設選項完成選擇、評分或真假判斷。其中，Choice通常返回一個最高概率選項，也可以通過並行提出多個問題實現多項判斷。LingDT-Decision-1.0則能夠同時識別多個訴求，並按照任務之間的依賴關係，調整處理順序。

螞蟻數科團隊的測試顯示，在數據標註等場景中處理同樣任務時，LingDT-Decision-1.0相比DeepSeek-V4-flash，可將Token消耗降低97%，響應時效提升約10倍，同時保持更優的性能表現。在23項開源評測基準中，LingDT-Decision-1.0的綜合評分超過了Microsoft-Decision-1、Jev 1.13.0等熱門決策模型，27B版本在同參數模型中取得最高準確率。一、Token消耗降低超90%，覆蓋客服、風控等高頻任務 企業業務中存在大量不需要生成完整答案、但需要快速完成判斷的任務。

例如，在客服場景中，用戶稱“這個訂單已經三天沒有發貨，請儘快處理”，AI需要判斷這是催單、退款還是投訴，判斷工單緊急程度，選擇歸屬部門，並識別是否需要人工接管。傳統大語言模型通常需要先生成結構化答案，再由後續程序進行解析和校驗。LingDT-Decision-1.0則可以在限定選項中直接完成判斷，減少輸出格式不穩定帶來的影響。螞蟻數科公佈的測試數據顯示，在數據標註場景中，LingDT-Decision-1.0相比DeepSeek-V4-flash，其Token消耗降低約97%，處理時效提升約10倍；在智能客服場景中，相比Qwen-3.

7-flash，其Token消耗降低90%，處理時效提升約1倍，風險識別準確率由76%提升至89%。在金融應用場景中，LingDT-Decision-1.0可用於意圖識別、工具調用和幻覺檢測。測試顯示，相關任務處理時效提升約5倍，工具組合完全匹配率提升約2.6倍，幻覺召回率由44%提升至70%。測試結果顯示，LingDT-Decision-1.0在客服、風控和金融等場景中均表現出低Token消耗、低延遲和較高準確率。同一模型還可以覆蓋多類決策任務，便於企業在不同業務流程中複用。二、支持原生多選與按序決策，27B版本綜合評分第一 螞蟻數科稱，LingDT-Decision-1.

0除了支持判斷、單選、分類和評級等基礎能力外，還首創推出原生多選與按序決策能力，適配企業業務中複雜、多步驟的決策需求。原生多選能力可以讓模型在一項任務中同時命中多個候選選項，適用於多標籤識別、複合意圖和工具組合。例如，用戶提出“我要退款、關閉續費、補開發票，但不要註銷賬號”，模型可以同時識別退款、關閉續費和補開發票等多個訴求。按序決策則可以根據任務之間的依賴關係完成多步判斷。例如，退款需要先核驗，關閉續費可以立即執行，發票處理可能需要等待退款結果。相比只返回一個選項的單項決策，這種方式更貼近企業業務中的真實處理流程。在23項主流開源評測基準中，LingDT-Decision-1.

0的27B版本綜合評分位居第一。該評分由90%的單選成績和10%的多選成績構成。螞蟻數科稱，LingDT-Decision-1.0的準確率超過Microsoft-Decision-1、Jev 1.13.0和Fastino/GLiDE等決策模型。其中，在多選任務上，4B和27B版本的準確率超過Microsoft-Decision-1、Jev 1.13.0、Star-lux等16個決策模型；在單選任務上，兩個版本模型也處於第一梯隊。結語：決策模型加速進入產業AI 決策模型為意圖識別、任務分類、工具選擇和風險判斷等高頻任務提供了新的解決方案。

由於不需要生成長篇文本，它可以直接返回結構化結果，從而降低Token成本，提升響應速度。此次螞蟻數科發佈LingDT-Decision-1.0，則將決策模型進一步放到客服、風控和金融等企業業務流程中進行驗證。原生多選和按序決策能力，也讓模型能夠處理複合意圖和多步驟任務。隨著更多決策模型進入實際業務，其性能表現和適用邊界也將得到進一步檢驗。