蚂蚁数科发了一个27B的模型,在23项开源基准上综合评分超过了微软的Decision-1和Jev 1.13.0。
我第一反应是:27B打微软和Jev,要么是基准挑得巧,要么是真有东西。
第二反应是翻它的底座。微软Decision-1被发现是基于阿里Qwen3.5-9B后训练的,这件事在10月初已经让开发者社区吵过一轮“开源底座、闭源收费”的边界。现在蚂蚁的LingDT在基准上把微软的模型压过去了,而整个决策模型赛道里,Qwen系底座正在成为某种“默认基础设施”。
一个阿里系的模型,用着阿里的底座基因,在一个月内从“Jev的模仿者”变成了“基准第一”。这件事比跑分本身有意思。
![]()
先看它到底赢了什么:90%单选+10%多选,赢的是“复合判断”
LingDT的综合评分口径是 90%单选 + 10%多选,27B版本在这个口径下排第一。23项基准覆盖的是意图识别、任务分类、工具选择、风险判断这类结构化决策,不是写代码也不是写文章。
真正让它在企业场景里区别于Jev的,是原生多选和DAG按序决策。Jev的Choice通常返回一个最高概率选项,多问题并行也能做多项判断,但本质还是“并行单选”。LingDT的DAG允许模型识别一组诉求,再按依赖关系排出处理顺序。
举个它官方文档里的例子。用户说:“我要退款、关闭续费、补开发票,但不要注销账号。”单选模型大概率只抓到“退款”这个主诉求。LingDT的DAG会先把四个意图全部拉出来,然后判断“关闭续费”和“补开发票”依赖“退款”的完成状态,最后把“不注销”作为排除项处理。这不是“更聪明”,是决策的语法不一样。
![]()
Token省90%是真的,但省的不是“推理成本”
官方给的数据很具体:数据标注场景对比DeepSeek-V4-flash,Token消耗降低约97%,处理时效提升约10倍;智能客服对比Qwen-3.7-flash,Token降低90%,风险识别准确率从76%提到89%;金融场景幻觉召回率从44%提到70%,工具组合完全匹配率提升约2.6倍。
省Token的根源不在“模型更小所以更便宜”,在“它根本不生成解释”。 通用大模型做决策时,流程是“推理→生成一段结构化答案→业务系统解析→校验→执行”。决策模型直接跳过生成和解析,在候选选项上输出概率分布。Token消耗断崖式下降,是因为输出端几乎没有自然语言。
但这里有一个容易被忽略的代价。决策模型不解释“为什么选这个”。它返回的是选项和概率,不是理由。在客服分流这种场景里,没有解释完全可以接受——业务系统只要结果。但在金融风控或者强监管场景里,“模型选了高风险但说不出依据”本身就是合规问题。90%的成本节省,有一部分是用“可解释性”换来的。
![]()
接入比想象中简单,但免费额度有一个“按次计费”的坑
LingDT已经在蚂蚁数科DTMaaS平台上开放限时免费体验,截止到10月30日。接口兼容OpenAI格式,base_url指向 https://api.dtmaas.ai/v1 ,把model换成LingDT对应的名称就能调用。
但DTMaaS的免费额度按Prompt次数计费,不按Token计费。免费版是100次/5小时、每周上限1000次、每月上限2000次,不绑卡。单次对话算1次,长上下文不会多扣——这个设计对测试很友好。
坑在多轮和批量。 如果你拿它跑Agent的多轮决策,或者批量处理几百条客服工单,100次/5小时的额度会在很短时间内耗尽。它不适合“大规模压力测试”,适合“验证它在你场景里的判断逻辑对不对”。9.9元/月的尝鲜版可以作为从免费到付费之间的过渡。
还有一个容易混淆的地方:DTMaaS和蚂蚁灵Ling API是两套独立平台。DTMaaS按调用次数计费,灵Ling按Token计费。不要把LingDT-Decision-1.0和百灵Ling系列的大模型混为一谈,它们解决的压根不是同一类问题。
![]()
一个月内赛道从“怪想法”变成“全员入场”,这才是真正的信号
把时间线拉出来看,决策模型这个品类拥挤的速度非常不寻常。
9月,Jev在Hacker News上走红,带火了“不生成文本、只输出概率”这个思路。10月9日,微软在Foundry上线Decision-1,基于Qwen3.5-9B,主打85毫秒延迟和36项基准第一,但很快卷入了跑分口径和开闭源边界的争议。10月22日,OpenAI的Decisions API进入GA,蚂蚁的LingDT在同一天发布并拿下基准第一。
一个月,从一家创业公司的“怪想法”,变成微软、OpenAI、蚂蚁同时下注的独立品类。
这件事对普通用户的意义不是“又多了一个模型可选”。它意味着Agent的架构正在分层。上层用大模型做规划、推理和生成;下层用决策模型做高频、固定选项的判断——路由、分类、工具选择、风险打分。以前这些判断也交给大模型,Token成本高、延迟高、输出格式还不稳定。决策模型把这一层拆出来,让大模型只干它擅长的事。
微软的Decision-1被曝用Qwen底座训练,对整个赛道的影响是双面的。一面是“技术路线的趋同”——当海外大厂也在用阿里开源权重做后训练,说明基础模型的能力已经足够支撑上层专项优化。另一面是“互惠预期的破裂”——用开源权重训完、锁进闭源API收费,不回馈社区,这种模式在决策模型这个品类里可能会成为常态。
![]()
什么场景值得试,什么场景别碰
值得在免费窗口期内试的场景: 客服工单的意图识别和多标签分类(尤其是一个用户提多个诉求的情况);Agent工作流里的工具选择——在几个API之间选一个调用;内容审核的优先级排序;数据标注里的批量判断。这些任务的共同点是选项固定、高频、判断标准相对明确,而且业务系统只要能拿到结果,不需要模型解释理由。
不适合碰的场景: 需要自然语言推理链的强监管决策(信贷拒贷理由、医疗辅助判断);开放式的创意或分析任务(它根本不生成文本);选项频繁变化的场景(每次换选项都要重新验证模型的一致性)。决策模型是“判断题专家”,不是“问答题专家”。
免费窗口到10月30日。如果你有一个高频、选项固定的判断任务在跑通用大模型,用这八天跑一遍同样的数据,对比Token账单和判断准确率。数据会告诉你,90%的节省在你的场景里兑现了多少。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.