10月22日、Ant Digital Technologiesは意思決定特化型モデル「LingDT-Decision-1.0」を正式にリリースしました。本モデルは高速な意思決定タスク向けに特別設計されており、構造化された意思決定シナリオにおいて、高精度、高速レスポンス、低Tokenコストといった強みを備え、特に産業向けAIの実装に適しています。LingDT-Decision-1.0は4Bと27Bの2つのバージョンを提供します。現在、本モデルはAnt Digital TechnologiesのDTMaaSプラットフォームで公開されており、開発者は期間限定で無料利用できます。

Ant Digital Technologiesチームがカスタマーサポート、リスク管理、金融などの実際の業務シナリオで行ったテストによると、LingDT-Decision-1.0は同種タスクの処理において、一般的な大規模言語モデル(LLM)と比較してToken消費量を90%以上削減し、応答速度を10倍に向上させ、総合性能でも優れた結果を示しました。
他の意思決定モデルと比較して、LingDT-Decision-1.0は業界で初めてネイティブな複数選択および順序付き意思決定(DAG)機能をサポートしており、企業の実際の業務フローにより適した設計となっています。23項目のオープンソース評価ベンチマークテストにおいて、LingDT-Decision-1.0の総合スコアはMicrosoft-Decision-1やJev 1.13などの主要な意思決定モデルを上回り、その中でも27Bバージョンは同パラメータ規模のモデルの中で最高精度を獲得しました。

(図注:LingDT-Decision 4B/27Bバージョンのコアな優位領域。Jev、MS Decision、GLiDEなど同規模の意思決定モデルをカバーし、極めて高い総合コストパフォーマンスを実現)
意思決定タスク専用設計、Token消費量を90%以上削減し、より高速・高精度に
企業の実際の業務では、高頻度な意思決定タスクが数多く存在します。
例えばカスタマーサポートのシナリオにおいて、ユーザーから「注文から3日経ってもまだ発送されていません。至急対応してください」という問い合わせが届いた場合、AIシステムは一連の判定や意思決定を迅速に行う必要があります。問題種別の判定(返金、催促、クレームのどれか)、チケットの緊急度評価(至急対応が必要か)、振り分け先部門の特定(どの業務ラインに割り当てるか)、リスクレベルの審査(即座に有人サポートへ引き継ぐ必要があるか)などです。
一般的な大規模言語モデルは、このようなタスクへの対応において明確な弱点を抱えています。通常、1トークンずつ自己回帰推論を行ってテキストを生成するため、推論パイプラインが長く、計算コストが高くなり、出力フォーマットのばらつきが発生しやすく、全体的な安定性に欠けます。
意思決定モデルはまさにこうした課題を解決するために生まれました。その中核となる目的は長文の生成ではなく、迅速かつ正確な業務上の判断を下すことです。そのため、意図認識、ツール呼び出しの判定、ルールベースの分類、スコアリングなど、高頻度な業務意思決定ノードに極めて適しています。
現在、LingDT-Decision-1.0はAnt Digital Technologiesのカスタマーサポート、リスク管理、金融などの事業ラインで実証テストが行われています。その中核となる技術ロジックは、LLMの従来のアプローチである「構造化テキストを生成した後にパースする」方式から、「限定された選択肢空間の中で決定確率と判定結果を直接出力する」方式への転換です。これにより、出力フォーマットの不一致に起因するパースエラーが解消されるだけでなく、後続のデータ検証やエンジニアリング処理のフローも大幅に簡素化されました。
実際の業務評価において、LingDT-Decision-1.0は顕著なパフォーマンスを発揮しています:
- データアノテーション環境:DS-V4-flashと比較してToken消費量を約97%削減し、処理効率は約10倍向上。
- スマートカスタマーサポート環境:Qwen-3.7-flashと比較してToken消費量を90%削減し、処理速度は約2倍(100%増)向上、リスク検出精度は76%から89%へと向上。
- 金融業務環境:意図認識、ツールの組み合わせ呼び出し、ハルシネーション検知などの複合タスクにおいて、処理効率が約5倍向上、ツール組み合わせの完全一致率は約2.6倍向上、ハルシネーションの再現率は44%から70%に改善し、潜在的な業務リスクに対する検知能力が効果的に向上。
総合テストの結果、LingDT-Decision-1.0は様々な複雑なシナリオにおいて、低コスト、高リアルタイム性、高精度な意思決定サポートを一貫して提供できることが示されました。さらに、本モデルは単一のアーキテクチャで複数の業務判定ロジックに適応できるため、システムの導入・保守コストを大幅に削減し、企業内の異なる事業部門間での迅速な横展開を容易にします。
次世代の意思決定モデルを構築、2つの機能を世界初実装
同種の意思決定モデルと比較して、Ant Digital TechnologiesのLingDT-Decision-1.0は、エンタープライズレベルの複雑なワークフローの実ニーズをより重視しています。単一選択、二値判定、分類、スコアリングといった標準的な意思決定機能に加え、LingDT-Decision-1.0はネイティブ複数選択と**順序付き意思決定(DAG)**の2つの重要機能を世界で初めて実装しました。
企業の実際の業務において、ユーザーの要望は単一の「択一問題」ではなく、「一連の複合タスクを認識し、順序立てて実行する」ことであることが少なくありません。例えばユーザーが「返金をして、自動更新を停止し、領収書を再発行してください。ただしアカウントは削除しないでください」と要望した場合、従来の単一選択モデルでは「返金」という明示的な意図しか取得できず、他の要望を見落としがちでした。一方、複数選択モデルはすべての意図を一度に完全解析できます。さらに順序付き意思決定メカニズムを組み合わせることで、システムは依存関係に基づいた実行計画(返金資格の確認を行い、並行して自動更新を停止、返金完了後に領収書処理を実行)を立てることが可能になります。このメカニズムは企業の実際のワークフローに高度に適合し、エンドツーエンドの解決率を大幅に向上させます。
具体的な特徴は以下の通りです:
- ネイティブ複数選択機能:1回の推論で複数の有効な候補ラベルを同時に特定可能。マルチラベル分類、複合意図認識、複数ツールの並行呼び出しなどのニーズに効果的に対応。
- 順序付き意思決定機能:業務上の依存ロジックに基づいてマルチステップの連鎖的な意思決定を自律実行可能。金融やリスク管理など、高い安全性と厳密なロジックが求められるシナリオに完全適合。
23項目の主要オープンソース評価ベンチマークを網羅した総合テストにおいて、LingDT-Decision-1.0 27Bバージョンの総合スコア(単一選択ウェイト90% + 複数選択ウェイト10%)は首位を獲得し、Microsoft-Decision-1、Jev 1.13.0、Fastino/GLiDEなどのモデルを上回りました。
複数選択タスクの専用ベンチマークにおいて、LingDT-Decision-1.0の4Bおよび27Bバージョンはともに、Microsoft-Decision-1、Jev 1.13.0、Star-luxを含む16の意思決定モデルの精度を上回り、複合判定タスクにおけるネイティブ複数選択設計の優位性を実証しました。また、基礎的な単一選択タスクにおいても、同シリーズモデルは業界トップクラスを堅持しています。

(図注:単一選択/複数選択能力の2次元評価分布。LingDT-Decision 4B/27Bは単一選択判断能力でトップクラスを維持し、同サイズのほとんどのモデルを凌駕。ネイティブ複数選択能力においては圧倒的なリードを保っています)


