
以前AI客服听一句‘三天没发货’,得先‘想’出一段话,再拆成工单类型、紧急度、归属部门……最后还得让下游程序去‘猜’它写了啥。结果呢?格式错一个字,整条链路就卡住。现在好了,蚂蚁数科直接甩出LingDT-Decision-1.0——不生成、不啰嗦、不绕弯,用户话音刚落,它已经在限定选项里‘啪’地打完一串勾选:催单✓、P0级✓、物流部✓、无需人工✓。

这模型最硬的点,是真懂企业里的‘事有先后’。比如风控场景里,不能先定责任再查流水,得按‘识别异常→调取交易链→比对设备指纹→触发拦截’这个依赖顺序来。LingDT首创的按序决策(DAG)能力,就是把任务当流程图跑,前一步输出自动喂给后一步,不是靠大模型瞎蒙。实测数据很实在:在数据标注和风控任务中,Token省掉97%,响应快10倍;客服场景下,风险识别准确率从76%干到89%,错误率直接腰斩。
更关键的是,它没堆参数炫技,4B小版本够中小企跑,27B大版本在23项开源评测里综合得分第一,把微软Decision-1、Jev 1.13全甩身后。不是‘又一个大模型’,而是专治企业高频判断的手术刀——不写废话,只做判断。上线DTMaaS平台,开发者现在就能免费试。
说白了,这玩意儿不是来抢谁饭碗的,是帮人把重复劳动从“手动挡”换成“自动挡”。以前客服主管天天盯着工单池里几百条“发货慢”,得靠经验挑出真急的、假催的、恶意刷单的;现在系统自己按行为轨迹打标签——同一IP三分钟内催5次?标红;新注册账号下单就催?加风控;物流信息卡在中转站超48小时?自动推给区域运营。人不用再当人肉筛子,腾出手去处理那些机器搞不定的事:比如安抚情绪崩溃的宝妈,协调仓库临时加急,或者发现某个快递网点连续三天掉件率超标,主动发起联合复盘。
我们跟浙江一家做宠物食品的中型企业聊过,他们用上LingDT后,客服平均响应时间从112秒压到9秒,但更让他们惊喜的是——人工介入率降了63%,而客户满意度反而涨了12个百分点。为啥?因为机器不再瞎承诺“马上发”,而是根据真实库存+分仓路由+快递排期,给出确定性答复:“杭州仓有货,今天17点前揽收,明晚送达”。用户要的从来不是“快”,是要“稳”。
当然,它也不是万能钥匙。遇到“我家猫不吃这个口味,能换别的吗”这种带主观偏好的问题,LingDT会立刻交棒给人类坐席,附上历史订单、客服对话摘要和产品知识图谱链接。不硬扛、不装懂,该让位时就让位——这才是靠谱的AI。蚂蚁数科内部测试时也踩过坑:早期版本在方言识别上漏判了潮汕话里的“发货没?”(实际是“发过货没?”),后来直接接入本地化语音引擎,还让一线客服录了2000条真实语料喂进去。技术落地,从来不是写完代码就完事,而是跟着业务一寸寸磨出来的。
目前DTMaaS平台已开放API文档和沙箱环境,连基础SQL都不会写的运营同学,拖拽几个模块就能搭出简易决策流。有家社区团购公司用它3小时上线了“团长爆单预警”规则:单日接单超200单+库存告急+配送员在线率<60%,自动触发弹窗提醒区域经理。没有算法团队,也没买GPU服务器,就靠现成模板跑起来了。企业要的不是多炫的模型,是今天下午就能用上的解法。
天顺优配提示:文章来自网络,不代表本站观点。