LingDT-Decision-1.0 prend le chemin inverse des modèles de conversation. Le 22 octobre 2026, Ant Digital Technologies a publié ce modèle conçu pour la décision industrielle rapide, en versions 4B et 27B, désormais disponible sur sa plateforme DTMaaS avec un essai gratuit limité pour les développeurs. Il n'écrit pas de textes et ne tient pas de conversation ; sa seule tâche est de rendre vite un jugement juste parmi un nombre limité d'options. Selon Ant Digital, lors de tests en service client, contrôle des risques et finance, le modèle a réduit la consommation de jetons de plus de 90 % par rapport aux grands modèles de langage généralistes sur les mêmes tâches, répondu environ dix fois plus vite, et jugé mieux.
Dans l'entreprise, ce sont les jugements qui consomment le calcul
Les jugements d'IA qu'une entreprise rend chaque jour dépassent largement ses tâches de génération. Quand un client demande où est son colis, le système doit enchaîner le type de problème, l'urgence du ticket, le service responsable et l'éventuel transfert à un humain. Les équipes risque notent les transactions, les processus financiers classent et évaluent. Faire passer ces tâches par un modèle généraliste revient à le faire raisonner mot à mot puis générer un texte : une chaîne longue, coûteuse et aux résultats moins stables. Un modèle de décision supprime purement l'étape de génération : pas de prose, uniquement juger, choisir, classer et noter parmi des options données, ce qui convient aux tâches fréquentes comme la détection d'intention, le choix d'outil et le tri par règles.
Sélection multiple native et décisions séquentielles au menu
Face aux modèles de décision comparables, LingDT-Decision-1.0 met en avant deux capacités nouvelles. La sélection multiple native permet, en une seule requête, de marquer plusieurs demandes applicables à la fois, au lieu de découper une question composée en plusieurs tours de choix unique. La décision séquentielle organise les jugements en graphe orienté acyclique, où les conclusions antérieures contraignent les options suivantes, plus près des processus métier enchaînés. Côté évaluation, Ant Digital indique que le modèle a dépassé Microsoft-Decision-1, Jev 1.13 et leurs pairs sur 23 référentiels ouverts, la version 27B affichant la meilleure précision à taille de paramètres comparable. Les détails publiés de ses tests métier incluent une précision d'identification des risques en service client intelligent passée de 76 à 89 %, et un rappel des hallucinations en finance amélioré de 44 à 70 %.
D'autres modèles de décision lancés le même jour ont choisi une autre voie — l'open source centré sur la notation d'options — tandis qu'Ant Digital livre le sien sur sa propre plateforme MaaS, avec l'argument de l'intégration aux flux existants du service client, du risque et de la finance. Sa limite est tout aussi nette : il juge et ne génère pas, le raisonnement complexe et la production de contenu restent l'affaire des modèles généralistes. Il s'agit d'une division du travail, pas d'un remplacement. Le calcul qui compte pour une entreprise est de savoir combien de jugements à haute fréquence sont aujourd'hui forcés à travers un grand modèle ; si le volume est suffisant, basculer ce trafic vers un modèle de décision dédié économise davantage en jetons et en latence que n'importe quelle place dans un classement.
