LingDT-Decision-1.0は対話モデルと逆の道を行く。2026年10月22日、蚂蚁数科（アント・デジタル）は高速な産業意思決定に特化したこのモデルを発表し、4Bと27Bの2版を自社のDTMaaSプラットフォームで公開した。開発者は期間限定で無料体験できる。このモデルは文章も書かなければ会話もしない。仕事は一つだけ、限られた選択肢の中から正確な判断を素早く返すことだ。蚂蚁数科によれば、客服（カスタマーサービス）、リスク管理、金融といった実業務シーンのテストで、同じタスクを処理する際のToken消費は汎用大規模言語モデルより90%以上減り、応答は約10倍速くなり、判断の質も上回ったという。
企業で最も計算資源を食うのは判断タスク
企業が毎日こなすAIの判断は、生成タスクよりはるかに多い。顧客から発送催促の問い合わせが届けば、システムは問題の種類、チケットの緊急度、担当部門、人への引き継ぎ要否を立て続けに判断する。リスク管理は取引を採点し、金融フローは分類と格付けを行う。これらを汎用大規模モデルで処理するのは、一語ずつ推論して文章を生成させることに等しく、経路が長くコストも高く、結果も安定しにくい。決定モデルは生成の工程そのものを切り落とす。文章は出さず、与えられた選択肢の中で判断、単一選択、分類、採点だけを行うため、意図判定、ツール選択、ルール分類といった高頻度タスクに素直に合う。
原生マルチ選択と順序付き決定が今回の目玉
同種の決定モデルと比べ、LingDT-Decision-1.0は二つの新能力を前面に出す。原生マルチ選択は、複合的な問いを何度もの単一選択に割らず、一回のリクエストで該当する複数の訴求を同時に拾える。順序付き決定は有向非循環グラフで判断の順番を組み立て、前の結論が後の選択肢を制約するため、連鎖する実業務の流れに近づく。評価面では、23のオープンなベンチマークでMicrosoft-Decision-1やJev 1.13など同種製品を上回り、27B版は同パラメータ規模の中で最高の正確率だったと蚂蚁数科は述べる。公表された業務テストの詳細には、スマート客服シーンでのリスク識別正確率が76%から89%へ、金融シーンでの幻覚再現率が44%から70%へ改善したことも含まれる。
同じ日に海外でも決定モデルの発表があったが路線は異なる。選択肢の採点に特化したオープンソース型がある一方、蚂蚁数科の一台は自社MaaSプラットフォームに載せ、客服、リスク管理、金融の既存フローへ組み込むことを売りにする。限界もはっきりしている。判断専用で生成はしないため、複雑な推論やコンテンツ制作は汎用大規模モデルの領分のままだ。代替ではなく分業である。企業が本当に計算すべきなのは、高頻度の判断タスクをどれだけ大規模モデルに無理やり処理させているかだ。量が十分に大きければ、その流量を専用の決定モデルへ逃がすほうが、ランキングの順位よりTokenと遅延の節約として効いてくる。
