企业真正需要的AI，不是参数越大越好

过去几年，大模型的竞争总是围绕参数规模、榜单得分打转。但真正用AI干活的企业发现：模型再大，跑一次任务贵得吓人，响应慢、数据不敢碰、部署难，最后只能当个“PPT工具”。

蚂蚁数科这次没再堆参数，而是直接盯住企业最头疼的三个问题：**贵、慢、不敢用**。4月29日，他们上线了LingDT-2.6-flash——一个不靠“大”取胜，靠“省”和“稳”落地的模型。

省90%的Token，意味着什么？

你可能没听过“Token”，但它就是AI算钱的单位。一句话、一段文本，都被拆成一个个Token来计费。市面上同级别模型，处理一个客服工单可能要消耗5000个Token，LingDT-2.6-flash只要500个。

这不是实验室里的数字游戏。在蚂蚁内部的金融客服系统里，上线后单日节省的Token成本超过80万元。换成企业视角：原来100万次对话要花5000元，现在只要500元。

参数总量104B，但真正被激活的只有7.4B——就像一辆车，引擎有3.0L排量，但日常通勤只用1.5L的油。效率高了，发热少了，服务器扛得住，部署成本直接砍半。

不是所有AI都能进银行

企业不是实验室。银行、能源、交通这些行业，数据不能上公有云，接口不能随便开，审计要留痕。

LingDT-2.6-flash从设计之初就带着“金融级”标签：

• 支持私有化部署，数据不出内网
• API访问权限精确到人、到部门、到操作类型
• 所有调用记录可追溯，符合等保三级、金融行业合规要求

不是贴个“安全”标签就完事。蚂蚁数科的团队里，有原央行科技司背景的合规专家，也有为国有大行做风控系统的老工程师。他们知道，企业要的不是“能跑”，是“敢用”。

真正在用的，不是模型，是场景

蚂蚁数科不卖“模型”，卖的是“解决方案”。

在手机银行里，AI客服能自动识别用户说“我卡被刷了但没收到短信”，立刻触发风控流程，同时调取交易记录、设备信息、历史行为，30秒内给出处理建议——这背后是LingDT-Fin-Mini2.5和Agentar-Fin-R1两个模型在协同工作。

在保险理赔场景，客户上传一张车祸照片，系统自动识别损伤部位、估损金额，比对保单条款，10分钟内生成赔付方案，人工复核时间从2小时压缩到15分钟。

目前，蚂蚁数科在金融领域已落地超百个智能体应用，覆盖开户、反诈、投顾、核保、催收等核心环节。不是“炫技”，是每天在跑的业务。

价格低到让企业敢试

现在在DTMaaS平台，LingDT-2.6-flash限时8折：

• 输入：每百万Token 0.48元
• 输出：每百万Token 1.44元

对比行业平均价格，低了60%以上。这意味着，一家中型银行用AI处理日常咨询，一个月成本不到3000元。

这不是“烧钱换技术”，是“用技术省钱”。蚂蚁数科的逻辑很朴素：如果AI不能帮企业省下真金白银，那它就只是个高级玩具。

AI落地，靠的是工程，不是论文

很多公司还在发论文、冲榜单，蚂蚁数科的团队在做三件事：

• 把模型装进银行的旧系统，不改架构也能跑
• 让AI客服学会说人话，不背术语
• 确保系统7×24小时不宕机，哪怕凌晨三点用户问“我的理财怎么亏了？”

他们不提“多模态”“幻觉抑制”这些词，只说“能用、好用、敢用”。

真正的技术革命，不是谁的参数最多，而是谁能让一线员工愿意用、离不开、不嫌烦。