LingDT-Decision-1.0 geht den umgekehrten Weg der Chat-Modelle. Am 22. Oktober 2026 stellte Ant Digital Technologies dieses auf schnelle industrielle Entscheidungen zugeschnittene Modell in den Versionen 4B und 27B vor, ab sofort auf der eigenen DTMaaS-Plattform verfügbar, für Entwickler zeitlich begrenzt kostenlos testbar. Es schreibt keine Texte und führt keine Gespräche; seine einzige Aufgabe ist, unter begrenzten Optionen schnell und treffsicher zu urteilen. In Tests aus Kundenservice, Risikosteuerung und Finanzwesen senkte das Modell nach Angaben von Ant Digital den Token-Verbrauch gegenüber allgemeinen großen Sprachmodellen bei gleichen Aufgaben um mehr als 90 Prozent, antwortete rund zehnmal schneller und urteilte dabei besser.
In Unternehmen frisst das Urteilen die meiste Rechenleistung
Die KI-Urteile, die ein Unternehmen täglich fällt, sind weit zahlreicher als seine Generierungsaufgaben. Fragt ein Kunde nach einer ausbleibenden Lieferung, muss das System nacheinander Fragetyp, Dringlichkeit des Tickets, zuständige Abteilung und eine mögliche Übergabe an einen Menschen beurteilen. Risikoteams bewerten Transaktionen, Finanzprozesse klassifizieren und stufen ein. Allgemeine Sprachmodelle erledigen das, indem sie Wort für Wort schlussfolgern und Text erzeugen — eine lange, teure Kette mit weniger stabilen Ergebnissen. Ein Entscheidungsmodell streicht den Generierungsschritt komplett: kein Fließtext, nur Urteilen, Einzelauswahl, Klassifikation und Bewertung unter vorgegebenen Optionen, was zu hochfrequenten Aufgaben wie Absichtserkennung, Werkzeugauswahl und Regelklassifikation passt.
Native Mehrfachauswahl und sequenzielle Entscheidungen sind die Neuerungen
Gegenüber vergleichbaren Entscheidungsmodellen stellt LingDT-Decision-1.0 zwei neue Fähigkeiten heraus. Die native Mehrfachauswahl markiert in einer einzigen Anfrage mehrere zutreffende Anliegen zugleich, statt eine zusammengesetzte Frage in mehrere Einzelrunden zu zerlegen. Sequenzielle Entscheidungen ordnen die Urteile als gerichteten azyklischen Graphen, bei dem frühere Schlüsse spätere Optionen einschränken — näher an verketteten realen Geschäftsprozessen. Bei der Bewertung übertraf das Modell laut Ant Digital in 23 offenen Benchmarks Produkte wie Microsoft-Decision-1 und Jev 1.13; die 27B-Version erreichte die höchste Genauigkeit in ihrer Parameterklasse. Zu den veröffentlichten Praxistests gehört auch, dass die Genauigkeit der Risikoerkennung im smarten Kundenservice von 76 auf 89 Prozent stieg und die Halluzinations-Erinnerung in Finanzszenarien von 44 auf 70 Prozent.
Am selben Tag erschienen auch andernorts Entscheidungsmodelle, allerdings mit anderer Ausrichtung: Die einen setzen auf Open Source und Optionsbewertung, Ant Digital liefert sein Modell dagegen auf der eigenen MaaS-Plattform und wirbt mit dem Einbau in bestehende Abläufe von Kundenservice, Risikosteuerung und Finanzen. Auch die Grenze ist klar: Es urteilt nur und generiert nicht, komplexe Schlussfolgerungen und Inhaltserstellung bleiben Aufgabe allgemeiner Modelle — Arbeitsteilung statt Ersatz. Die Rechnung, die für Unternehmen wirklich zählt, lautet, wie viele Hochfrequenz-Urteile derzeit durch ein großes Modell gezwungen werden. Ist das Volumen groß genug, spart die Verlagerung dieses Verkehrs auf ein spezialisiertes Entscheidungsmodell mehr Tokens und Latenz, als es ein Ranglistenplatz je könnte.
