LingDT-Decision-1.0은 대화형 모델과 반대 길을 간다. 2026년 10월 22일 앤트 디지털(蚂蚁数科)은 빠른 산업 의사결정에 특화한 이 모델을 발표하고 4B와 27B 두 버전을 자사 DTMaaS 플랫폼에 올렸으며, 개발자는 기간 한정으로 무료 체험할 수 있다. 이 모델은 글을 쓰지도 대화를 하지도 않는다. 일은 하나뿐이다. 제한된 선택지 안에서 정확한 판단을 빠르게 내놓는 것. 앤트 디지털에 따르면 고객 서비스, 리스크 관리, 금융 등 실제 업무 환경 테스트에서 같은 작업을 처리할 때 토큰 소비가 범용 대규모 언어 모델보다 90% 넘게 줄었고, 응답 속도는 약 10배 빨라졌으며, 판단 성능은 오히려 더 좋았다.
기업에서 연산 자원을 가장 많이 먹는 것은 판단 작업
기업이 매일 내리는 AI 판단은 생성 작업보다 훨씬 많다. 고객이 배송 지연을 문의하면 시스템은 문제 유형, 티켓 긴급도, 담당 부서, 사람에게 넘길지 여부를 연달아 판단해야 한다. 리스크 부서는 거래에 점수를 매기고 금융 흐름은 분류와 등급을 정한다. 이런 작업을 범용 대형 모델로 처리하면 한 단어씩 추론해 문장을 생성시키는 셈이라 경로가 길고 비용이 높으며 결과도 안정적이지 않다. 의사결정 모델은 생성 단계 자체를 잘라낸다. 문장은 만들지 않고 주어진 선택지 안에서 판단, 단일 선택, 분류, 채점만 수행하므로 의도 판별, 도구 선택, 규칙 분류 같은 고빈도 작업에 자연스럽게 맞는다.
네이티브 다중 선택과 순서형 결정이 이번 발표의 핵심
비슷한 의사결정 모델들과 비교해 LingDT-Decision-1.0은 두 가지 새 능력을 앞세운다. 네이티브 다중 선택은 복합적인 문의를 여러 번의 단일 선택으로 쪼개지 않고 한 번의 요청으로 해당하는 요구를 여러 개 동시에 표시하게 한다. 순서형 결정은 방향성 비순환 그래프로 판단 순서를 짜 앞 단계의 결론이 뒷 단계의 선택지를 제약하므로, 서로 맞물린 실제 업무 흐름에 더 가깝다. 평가에서는 23개 오픈 벤치마크에서 Microsoft-Decision-1, Jev 1.13 등 동종 제품을 앞질렀고, 27B 버전은 같은 파라미터 규모 모델 중 정확도가 가장 높았다고 앤트 디지털은 밝혔다. 공개된 업무 테스트 세부 수치에는 스마트 고객 서비스 환경의 리스크 식별 정확도가 76%에서 89%로, 금융 환경의 환각 재현율이 44%에서 70%로 오른 것도 포함된다.
같은 날 해외에서도 의사결정 모델이 나왔지만 노선은 다르다. 선택지 채점에 특화해 오픈소스로 푸는 쪽이 있는 반면, 앤트 디지털의 이 모델은 자사 MaaS 플랫폼에 올려 고객 서비스, 리스크 관리, 금융의 기존 흐름에 끼워 넣는 것을 장점으로 삼는다. 한계도 분명하다. 판단만 하고 생성은 하지 않으므로 복잡한 추론과 콘텐츠 제작은 여전히 범용 대형 모델의 몫이다. 대체가 아니라 분업이다. 기업이 정말로 따져야 할 계산은 고빈도 판단 작업을 얼마나 대형 모델에 억지로 처리시키고 있는가다. 물량이 충분히 크다면 그 트래픽을 전용 의사결정 모델로 돌리는 편이 순위보다 토큰과 지연 시간 절감으로 훨씬 실질적이다.
