蚂蚁开源4B专用决策模型LemonDecider，Decision Index超Jev 1.14
蚂蚁把一个4B的决策小模型连训练数据和代码都放出来了，工具路由、Yes/No判断、相关性打分三种模式都能直接用，中位推理50.7ms，做Agent工作流路由的开发者可以直接拿来测。
蚂蚁开源了基于Qwen3.5-4B训练的专用决策模型LemonDecider，在Decision Index 0.4.1 Public评测中拿到61.67分，超过Jev 1.14的60.70分，约14万条测试请求的中位推理耗时仅50.7ms。
它的工作方式是让模型直接输出判断结果，而不是先生成文字再由程序提取结论。模型支持三种输出：Choice用于多选一判断工具调用和工作流路由，Yes/No用于证据充分性等二元判断，Score用于评估检索相关性和内容质量。在上下文长度允许时，一次前向计算可以同时输出多个决策问题的结果，省去重复处理上下文的开销。
蚂蚁同时开源了120万条训练样本和训练代码，覆盖864个任务标签，包括意图识别、工具路由、证据判断、检索相关性、内容安全等。对需要低延迟工具路由和流程判断的开发者来说，这套数据加代码的完整开源降低了自训决策模型的门槛。
蚂蚁最新开源了一个只有4B的专用AI决策模型：LemonDecider，超Jev 1.14，中位推理耗时仅50.7ms
LemonDecider的思路是，让模型直接做判断，并不是先生成文字答案，再让程序从中提取结论
基于Qwen3.5-4B专门针对决策任务训练，支持三种输出
1、Choice，多选一，判断该调用哪个工具，进入哪条工作流 2、Yes/No，二元判断，判断证据是否充分，请求是否符合条件 3、Score，评分，评估检索相关性、内容质量等
它还有一个特点，同一段上下文下可以一次提交多个决策问题，在长度允许时通过一次前向计算输出对应结果，减少重复处理上下文的开销
在Decision Index 0.4.1 Public评测中，LemonDecider 4B 61.67分、Jev 1.14 60.70分
完整约14万条测试请求中，中位推理耗时为50.7ms
蚂蚁这次把120万训练样本连同训练代码一起开源了，覆盖864个任务标签，包含意图识别、工具路由、证据判断、检索相关性、内容安全等任务
#LemonDecider #AI决策模型 #Jev
This report is categorized under AITOP's "Models" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include LemonDecider, Qwen, 蚂蚁, 开源模型.
Source attribution: curated from AIGCLINK (@aigclink).
