蚂蚁数科 LingDT-Decision-1.0 发布：Token 省 90%、响应快 10 倍，27B 版 23 项基准登顶
本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型，信息来自官方公告与多家媒体交叉核验；性能数据会区分「官方口径」和「已复测 / 第三方实测」，没复测的明确标注。配图为原创示意插画。
今日最重磅：蚂蚁数科 LingDT-Decision-1.0（10 月 22 日发布）
蚂蚁数科发布了一个「不像大模型」的大模型：LingDT-Decision-1.0。它不写文章、不做客服闲聊、不生成报告，只干一件事——在你给定的选项里做判断：这句话是催单还是投诉、这单要不要人工介入、该调哪个工具、风险等级是几档。
说人话：以前让大模型判断「这个工单归哪个部门」，它得先在心里写一段话，再输出一段文字，你再用程序去解析那段文字。绕了一大圈，又慢又贵，格式还经常跑偏。LingDT 把这圈砍掉，直接返回选项或分数。同一个活，少了「生成文字」这一步，钱和时间就都省下来了。
核心数据（均为官方口径，尚无独立第三方复现）
- 规格：两个版本，4B 与 27B，上下文 64K。体积小是刻意的——它要跑在每天调用上亿次的业务链路里，不是给人聊天用的。
- 综合排名：在 23 项开源基准上，27B 版综合指数 84.23 位列第一；4B 版 79.24。对比对象：Fastino/GLiDE 83.65、Microsoft-Decision-1 81.61、Jev 1.13.0 80.20。
- 成本：官方称处理同样任务，比通用大模型 Token 消耗降低超 90%、响应时效最高提升约 10 倍。极端一项是数据标注场景，对比 DeepSeek-V4-flash，Token 成本降约 97%、时效提升约 10 倍。
- 准确率：智能客服场景对比 Qwen-3.7-flash，风险识别准确率由 76% 提到 89%；金融场景对比 Qwen-8B，工具组合完全匹配率约 2.6 倍，幻觉召回率由 44% 提到 70%。
- 可用性：已上线蚂蚁数科 DTMaaS 平台（maas.antdigital.com），限时免费至 10 月 30 日。权重未开源。
两个「全球首创」，解决的是「一次只能选一个」的老毛病
过去的决策模型本质是单选题，只能吐一个最高概率的选项。但企业里的真实诉求经常是「一次说好几件事，还得排先后」。官方举的例子很典型：用户说「我要退款、关闭续费、补开发票，但不要注销账号」——单选题往往只抓到「退款」一个主诉求，剩下三个漏掉。
- 原生多选：一次命中多个候选，适配多标签识别、复合意图、工具组合。
- 按序决策（DAG）：按依赖关系排先后——退款得先核验，关续费可以立刻执行，开发票要等退款结果。
这两点听着像工程细节，实际决定了它能不能嵌进业务流程。单选模型放进工单系统，等于让人把话说一半。
为什么这件事值得单独写一篇：同一天，OpenAI 也开了同一扇门
10 月 22 日，OpenAI 把 Decisions API 正式开放（general availability）。规格几乎是冲着同一个痛点去的：响应从 1–3 秒压到 100–180 毫秒，输入 $0.10 / 百万 Token、缓存命中 $0.01、输出完全不收费，单次请求最多提 400 个问题，支持概率、选项、评分三种返回。已经接入的 Speak 说，两次动作之间的等待从 1.4 秒降到 0.13 秒。
但有个必须讲清的区别：OpenAI 没有为此新训一个模型，只是把现有的 GPT-6 Luna 重新配置、把推理链路压快，模型本体没变。它的产品负责人自己说，它是「同一个模型」。
两相对照，两条路线的差别就出来了：OpenAI 是把通用模型改装成专用接口，蚂蚁是直接训一个专用小模型。前者上手快、生态现成，后者理论上更省、更稳，但要自己承担训练和维护。谁对，得看你一天调用多少次——一天几万次用接口就够了，一天上亿次，那省下来的 90% 就是真金白银。
顺带说个反差：在公开榜单上，OpenAI 这套在 AIM System One Index 排第 8、Artificial Analysis 决策指数排第 14；Jev 分别排第 7 和第 3。也就是说，先发的专用模型在纯决策精度上仍然领先，通用模型靠的是接口和分发。
需要留意的三点
第一，所有跑分都是蚂蚁自己公布的，23 项基准虽说是公开集，但目前没有第三方用它复现过；而且那个「综合指数」是自建口径——90% 单选 + 10% 多选加权，权重怎么定会直接影响名次，看的时候要知道这一点。第二，权重没开源，只能在 DTMaaS 上调，锁定风险要自己掂量；免费期到 10 月 30 日，之后的价格官方没公布。第三，它不能替代大模型——复杂推理、多轮对话、写东西这些它不干。它的定位是「把大模型饭碗里那些高频的小判断舀出来」，一套系统里通常是两个模型并存，不是二选一。真要上，建议先拿你自己工单系统的真实历史数据跑一遍，比看榜单有用得多。
今日其他新发布（8 款）
| 模型 / 产品 | 日期 | 类型 | 要点 |
|---|---|---|---|
| WorkForge（腾讯混元 + 复旦） | 10-23 披露 | Agent 训练环境 + 微调模型 | 给 AI 批量造「练手工位」的框架：从真实代码仓库、数据集、网页里搭出 16665 个工作区，覆盖 40 个专业领域、60 种文件类型，每个工作区平均 42.3 个文件，单条任务轨迹平均约 7.6 万 tokens。验收要过两道：程序查数字对不对，另一个大模型评内容好不好。效果上，35B-A3B 的 GDPval 从 45.5 提到 73.6（+28.1），APEX 从 5.0 提到 21.3；27B 版 GDPval 达 82.4，反超总参数约为它 15 倍的 Qwen3.5-397B 的 79.7，但仍低于 GPT-5.6 Sol 的 90.1。最耐人寻味的一点：示范轨迹是用智谱 GLM 5.3 配 Claude Code、OpenClaw 生成的，再拿去微调 Qwen3.5——腾讯的训练数据工厂，第一轮请的是别人的模型当老师。论文未披露环境授权边界与搭建成本。 |
| Ling-3.1-flash-1019（蚂蚁百灵） | 10-22 | 通用模型（仅公布分数） | 蚂蚁百灵在 X 上公布新版本，Artificial Analysis 智能指数拿到 44 分，与 Kimi K3 同分，比上一代 Ling-3.1-flash 的 41 分涨 3 分，仅比 Qwen3.8 Max、DeepSeek V4.1 Flash 1017、GLM-5.3(max) 低 1 分。分项上 AA-Briefcase Elo 由约 1400 升至 1524，AutomationBench-AA 由 62% 升至 68%。但要注意：目前只有分数，没有权重也没有 API——AA 页面上标注无公开 API、许可证为专有、参数量未披露，官方说法是权重与 API「即将开放」。当一个已公布的成绩单看，别当已可用模型看。 |
| Canva Craft | 10-22 | 图像生成基座（自研，闭源） | Canva 第一个从零自研的图像模型，专为「能直接用的设计稿」而造。两阶段架构：先由规划模型写出构图（有哪些元素、放哪、多大、要不要写字），再交给渲染模型出图，最高 2K、30 多种画幅、图内文字支持 55 种语言。训练数据不是照片，而是 Canva 库里的数百万个人工设计模板（海报、菜单、PPT、信息图）。DesignArena 图像榜 第四（1329 分），前面三名全是 OpenAI 的模型，比 Google Nano Banana 2.1 高 38 分。已对全球用户开放（Dream Lab），开发者可用 craft_v1_2k 调 API（预览版）。官方称成本比同类前沿模型低约 30 倍——这个数字没有第三方审计。 |
| Liquid RIPL + LFM2.5 | 10-22 | 实时推理引擎 | Liquid AI 的实时推理管线，目标是让语言模型直接站进请求主链路。单张 B200 上，1.2B 的 LFM2.5 端到端 p95 压到 34.6 毫秒（1000 请求/秒），同样硬件上 0.8B 的 Qwen3.5 跑 vLLM 是 498 毫秒——模型更大反而快 14.4 倍；重负载下差距拉到 28.4 倍（155.76 毫秒 vs 4430.88 毫秒）。Shopify 已在生产环境的搜索增强里用上，实测低于 20 毫秒。它的意义在于把「风控、排序、支付授权」这些一直被梯度提升树占着的位置，换成语义更准的语言模型。 |
| ViGAR（智元 × 北大） | 10 月 | 世界—动作模型（全尺寸人形） | 称首个面向全尺寸人形双足机器人的完整世界—动作模型，已在智元 AgiBot A2 真机上验证多步骤连续作业（把桌上散落垃圾收进桶、从双层蒸笼逐层取馒头摆盘）。RoboTwin 2.0 的 Clean2Random 榜：Clean 82.00%、Random 67.02%、平均 74.51%，超最强基线 12.81 个百分点；发布时曾登顶，榜单实时更新，截稿时为总榜第三。同批：智元 10-22 开源 AGIBOT WORLD 2026 第四期「具身推理」数据集，覆盖九类推理能力，任务设计从「操作难度」转向「决策难度」。 |
| mammoth-1 / elephant-1（Base Labs） | 10-21 | 决策模型（开源权重） | 与 LingDT 同一赛道：基于 Qwen 的开源权重决策模型，27B 与 9B 两档，特点是返回校准过的概率而不是生成的答案。官方称 mammoth-1 在 Jev 决策指数上领先。这条和蚂蚁那款放在一起看，说明「决策模型」已经不是一个厂在做，而是成了一个品类。 |
| OlmoEarth v1.3（Ai2） | 10-22 | 遥感嵌入模型（全开放） | Ai2 的地球观测嵌入模型更新，权重、预训练数据、代码一起放，许可证为 OlmoEarth Artifact License。嵌入分辨率 10 米，提供 64 维与 128 维两版，128 维版在 27 项评测中的 20 项排第一。附带全球预计算嵌入和浏览器里就能跑的探索器——不训练也能直接用。 |
| Chariot-1-ASR | 10-22 | 实时语音识别 | 印度初创 Chariot 发布的实时转写模型，主打 10 种印度语言边说边转，官方称错误率低于 Google 与 Sarvam 的同类系统。许可证与可用性均未披露，先记一条「印度语种实时 ASR 开始有人专门做」的信号。 |
今天有两个数字，值得单独拎出来看
第一个是 82.4 对 79.7。一个 27B 的模型，在 GDPval（真实职业任务评测）上赢了 397B 的模型 2.7 分。差 2.7 分不算碾压，但含义很重：这两个模型的差距不在「谁更聪明」，而在「谁练过」。同一批基础模型，只是换了练手的环境，分数就从 45.5 跳到 73.6，一轮涨 28.1 分。换句话说，现在卡住小模型的不是参数，是训练场。这也解释了为什么腾讯要花力气造 1.67 万个环境——造环境的成本，可能比多买几千张卡便宜。
第二个是 97%。LingDT 在数据标注场景里，比通用模型省掉 97% 的 Token。这类活的特点是「量大、判断简单、答案短」，正好是大模型最不划算的用法——你为了让它选一个 A/B/C，付了它写一整段话的钱。把这类活单独拆出来交给小模型，是今年最实在的一次成本优化，比任何「降价 50%」的公告都更彻底。
行业资讯
- AI 交易第一次被真正摆上台面（10-22/23）：纳指单日重挫 2.6%，科技股集体回撤，「AI 交易还能不能持续」从讨论变成了行情。与此同一天：OpenAI 被传正洽谈一轮估值高达 1.25 万亿美元、规模至多 300 亿美元的融资；Anthropic 泄露的 S-1 显示上半年净亏 807 亿美元（其中 720 亿来自可转换工具的一次性费用）、营收 163 亿，三季度营收 168 亿、环比增 45%，目标 11 月以接近 2 万亿美元估值 IPO；Meta 把 2026 年资本开支上调到 1350–1450 亿美元，三季度营收 646 亿、同比增 26%，并披露未来支出承诺约 8250 亿美元。一边是股价在跌，一边是钱在加码——这个背离是本轮最需要盯的信号。
- Anthropic 自己承认「AI 在训练 AI」（10-22）：首份年度《公益报告》里写明，「Claude 已承担我们越来越大比例的安全研究工作，而且我们正日益依赖现有模型来训练未来的模型」，前言更直接：「AI 正越来越接近于制造它自己的继任者」。配套数据：今年 2 月，Anthropic 内部研发任务中由 Claude 主导的比例不足 1%，到 8 月升到 26%，而超过 90% 的研发任务有 Claude 深度参与。同一份报告里的另一条：公司计划拿出高达 20% 的股份做某种形式的分配。这话由一家正在 IPO 的公司说出来，既是技术披露，也是立场表达。
- 政策三连发（10-21/22）：中办、国办印发《关于推动科技创新和产业创新深度融合的意见》，明确全面实施「人工智能+」行动，并要求在量子科技、氢能与核聚变、脑机接口、具身智能、6G 等前沿领域探索多元技术路线，同时提出探索「沙盒监管」。金融街论坛上「一行一局一会」集体定调 AI+金融，央行副行长朱鹤新提「智能驱动、数据筑基、风险可控、标准引领」，证监会副主席刘浩凌的说法很实在——「既不能因技术红利漠视风险，也不能因风险止步不前」。南京则拿出真金白银：50 亿元物理 AI 与世界模型投资基金，外加按词元消费比例补贴的「词元券」。
- 一个 9.2 分的漏洞，和一个被 AI 找出来的事实（10-21/22）：PHP 基金会紧急修复 CVE-2026-109618 与 CVE-2026-109619，均为未授权远程代码执行，CVSS v4.0 评分 9.2，影响 PHP 5.4 到 8.5。这两个洞是 OpenAI 用 GPT-5.6 Sol 在「Patch the Planet」计划里挖出来的，谷歌旗下 Wiz 独立上报了同一问题。按 W3Techs 10 月 15 日口径，69.4% 的网站后端跑 PHP，日本高到 92%；荷兰、芬兰、日本多国政府站点一度下线，维基媒体与多款日本游戏停服。OpenAI 同时宣布投入 10 亿美元补贴安全薄弱的机构。真正的分水岭不是漏洞本身，是AI 第一次挖出了互联网底层的缺陷——往后攻防两边都会用工具批量干。
- 算力侧两条硬消息（10-22/23）：华为首发 NPO 超节点，单个昇腾 960 超节点支持 4096 颗 NPU 高速互联、RTT 时延最低 2 微秒，目前已部署 1000 多套、客户超 370 家——光互联正在成为新的竞争焦点。英伟达在 GTC 上给出模块化 AI 工厂参考设计 DSX POD，把现场部署时间从六个月压到最快 14 天，计划 2027 年初全球交付。一个在拼「连得多」，一个在拼「装得快」。
- OpenAI 集齐美国三大云（10-21）：GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna 以及 Codex 工作流进入 Google Cloud 的 Model Garden，向部分企业客户开放私有预览，费用走 Google Cloud Marketplace 结算、可抵扣既有承诺支出。加上 Azure 与 AWS，OpenAI 彻底告别了独家分销。对企业的实际意义是「一张账单切三家模型」，代价是把鸡蛋放进了同一个篮子。
- 商务部要求美方撤销 DeepSeek 禁令（10-22）：针对美国国土安全部将 DeepSeek 从联邦民用系统移除的命令，商务部要求撤销并称将采取「坚决反制」，外交部指责美方扩大化国家安全理由。这条和上周的供应链级排查连起来看，AI 的国别分割还在往深处走，做跨境业务的技术选型要把这一层风险算进去。
一句话趋势
今天所有消息其实指向同一件事：大模型正在被「拆件」。蚂蚁把「做判断」这一件事拆出来，训成 4B / 27B 的专用零件，省 90% 的钱、快 10 倍；OpenAI 同一天把通用模型改装成只做判断的接口，输出干脆不收费；Liquid 把「快」拆出来，用专用引擎把延迟压到 34 毫秒；Canva 把「排版和写字」拆出来，用设计稿而不是照片去训；腾讯干脆把「练手的地方」拆出来，造了 1.67 万个工位——结果一个 27B 的模型赢了 397B。半年前大家还在比谁的模型更强，现在比的已经是「哪些活该派给谁」。对用模型的人来说，结论很具体：别再拿一个大模型干所有事，先把自己的调用量按「难活 / 跑量活」分个类——跑量的那部分，今年能省下的钱比任何一次降价都多。同时也要留个心眼：今天的两个「第一名」（LingDT 的 84.23、Ling-3.1-flash 的 44 分）都还是厂商自报、没有第三方复现，榜单可以当参考，压测才是结论。
（数据来自官方公告与公开报道，2026-10-23；官方口径与第三方实测已分别标注，未复测项已在文中说明。模型能力强弱会影响选型，但实际价格以本站模型广场实时报价为准。）