蚂蚁数科发布LingDT决策模型，准确率超微软等对手

10月22日，蚂蚁数科正式发布决策模型 LingDT-Decision-1.0，这是该公司面向智能决策领域推出的新一代模型产品。据官方发布信息，该模型在核心评测中的准确率表现超过微软以及 Jev 等已有的决策模型，成为近期国产决策模型阵营中又一款引发关注的产品。

什么是决策模型

与大语言模型侧重对话、写作与代码生成不同，决策模型（Decision Model）聚焦于让 AI 在复杂、动态的环境中做出更优的行动选择。它需要在给定目标、约束和不确定性条件下，进行推理、规划与策略优化，典型应用包括供应链调度、金融风控、营销资源分配、机器人控制以及企业运营中的各类自动化决策场景。

在这一赛道上，海外巨头布局较早。微软等公司已将决策智能能力整合进其企业级 AI 产品体系，用于增强 Agent 在多步骤任务中的执行质量；而 Jev 等决策模型也曾在公开评测中取得过亮眼成绩。蚂蚁数科此次以 LingDT-Decision-1.0 切入，意味着国产模型团队开始在这一相对小众但商业价值极高的细分领域正面竞争。

准确率超越微软与Jev

根据蚂蚁数科发布的信息，LingDT-Decision-1.0 在决策任务的准确率上超过了微软与 Jev 等决策模型。准确率是衡量决策模型优劣的核心指标，模型给出的决策越接近最优解，业务侧的收益就越直接：风控环节误判更少、调度方案成本更低、Agent 执行任务的成功率更高。

值得注意的是，决策模型的评测往往不同于语言模型的常识问答基准，更强调在多轮交互、长期规划与约束满足下的综合表现。LingDT-Decision-1.0 能够在准确率维度压过微软这类拥有庞大工程与算力资源的巨头模型，以及 Jev 这样此前口碑出色的专用决策模型，显示出其在决策推理链路上的针对性优化已经见到了成效。

蚂蚁数科的产业底座

蚂蚁数科是蚂蚁集团旗下面向产业数字化的科技板块，长期深耕金融科技、区块链、隐私计算与企业级数字化服务。相比通用对话模型，决策类能力恰恰是蚂蚁在金融风控、交易与运营场景中多年积累的核心竞争力，LingDT 决策模型可视为这一经验向模型产品的转化。

从产业逻辑看，决策模型与企业经营的联系远比聊天机器人紧密。金融机构的授信与反欺诈、电商平台的库存与定价、物流企业的路径规划，本质都是决策问题。谁能把决策准确率做上去，谁就更有机会把这些能力打包成 Agent 解决方案卖给企业客户。

国产决策模型的集体突围

过去两年，国产大模型的竞争集中在语言与多模态能力上，决策智能领域相对冷清，主要玩家以海外厂商为主。LingDT-Decision-1.0 的出现，与此前多家国内团队在 Agent、规划推理方向上的投入一脉相承，反映出国产模型正在从“追赶对话能力”走向“深耕垂直能力”。

对行业而言，一款准确率超过微软和 Jev 的国产决策模型，至少证明了两件事：一是决策智能赛道的门槛并非不可逾越；二是中国团队在真实业务场景中沉淀的数据与方法论，可以转化为模型层面的优势。未来这一领域的竞争焦点，预计将从单一准确率转向准确率、推理成本与落地速度的综合比拼。

接下来，市场更关心的是 LingDT-Decision-1.0 的开放程度与落地路径：它将以 API 形式服务企业客户，还是嵌入蚂蚁数科现有的行业解决方案中？随着更多评测细节与客户案例披露，国产决策模型能否在 Agent 时代占据一席之地，很快会有更清晰的答案。