螞蟻集團新款決策模型稱勝過微軟與 Jev

螞蟻集團旗下數位科技部門螞蟻數科於 10 月 22 日發布名為 LingDT-Decision-1.0 的決策模型，鎖定需要機器快速、可重複做出判斷而非進行對話的企業。該公司宣稱，此模型在處理結構化決策任務時，準確率更高、回應更快、token 成本低於微軟與 Jev 的競爭決策模型，並明確定位於產業 AI 部署。

該模型有兩種規模：40 億與 270 億參數。這種區分很重要。40 億參數模型小到足以在高負載下低成本運行，而 270 億版本則能處理更困難的案例。兩者都瞄準企業系統中實際佔據大量工作的不起眼任務：審批、路由、風險篩選、定價與評分，這些場景中錯誤答案會造成金錢損失，緩慢答案則會流失客戶。

決策模型是 AI 熱潮中較為安靜的分支。當聊天機器人和編碼助理佔據頭條時，中國企業 AI 的資金大多花在分類、排序和選擇的系統上。這些任務通常以準確率和每次呼叫成本來評判，而非寫作流暢度，這也是螞蟻的宣傳既強調基準分數也強調 token 經濟的原因。

螞蟻宣稱勝過微軟與 Jev，這類說法很快就會受到檢驗。此領域的基準比較眾所周知對任務設定方式極為敏感，而供應商很少公布完整的評估設置。更有意義的考驗是，付費客戶在試用期結束後是否會繼續在生產環境中使用該模型。

此次發布也符合中國科技公司更廣泛的模式：打造針對特定產業的垂直模型，而非與通用旗艦模型正面競爭。螞蟻數科多年來向銀行、保險公司和零售商銷售雲端、區塊鏈和風險管理工具，為其提供了純模型實驗室會羨慕的分銷渠道。

對全球讀者而言，有趣的問題不是一個基準是否勝過另一個，而是更便宜、更小的決策模型是否會改變自動化的算盤。如果 4B 模型能以大型通用模型一小部分的 token 成本做出日常判斷，瓶頸就會從模型品質轉移到資料管道和信任，這些是企業 AI 中任何發布會都無法解決的部分。

螞蟻尚未披露定價或完整客戶名單，對準確率宣稱的獨立驗證仍待進行。明確的是，該公司將決策視為一個產品類別，而非附加在聊天機器人上的功能。

下一個檢查點將是第三方評估和早期客戶披露。在那之前，請將與微軟和 Jev 的比較視為待檢驗的說法，而非已成定論的結果。