Nace AI ha lanzado Drex Max v1 como pesos abiertos. Drex Max es su modelo de decisión más capaz, y ahora se ejecuta en su propia hardware. La versión incluye pesos bf16, un Q8_0 GGUF, un punto de control affine Q4 y bifurcaciones de llama.cpp y Ollama. Para los desarrolladores, los pesos abiertos de Drex Max significan que el enrutamiento, la clasificación y las verificaciones de políticas pueden permanecer en una máquina local.
TL;DR
- Tamaño: 27B parámetros densos, ventana de 262,144 tokens (16,384 por defecto), hasta 255 opciones por pregunta.
- Se ejecuta en: NVIDIA GPU con Python (H100 bf16, o L40S 48 GB en 8 bits). Macs con Apple Silicon con 24 GB+ (affine Q4) o 48 GB (Q8_0 GGUF). CPU a través de llama.cpp y Ollama.
- Rendimiento: 67.52 en el Índice de Decisión público 0.4, 6.27 puntos por delante de Drex v2.0 (autoinformado).
- Mejor: 97.3 habilidad en InfographicVQA. La zona de herramientas alcanza 81.9. Un modelo de decisión de nivel superior que ahora se puede ejecutar sin conexión en un Mac.
¿Qué es Drex Max?
Drex Max es un modelo de decisión de Nace.AI que responde a preguntas escritas sobre un contexto determinado. Pasa un estado (texto, JSON o imágenes) más preguntas con nombre. El modelo devuelve una probabilidad para cada opción en una sola pasada hacia adelante. No se genera nada.
Las preguntas vienen en 3 tipos: elección entre opciones con nombre, sí/no y puntuación ordinal. Eso lo hace adecuado para el enrutamiento de agentes, la triage de tickets y las verificaciones de guardrail. La versión alojada se presenta en enrutamiento, clasificación y verificaciones de políticas.
¿Cómo funciona Drex Max?
La tarjeta del modelo describe una columna vertebral densa de 27B con 64 capas. 48 son capas de atención lineal Gated DeltaNet que se ejecutan de izquierda a derecha. Las otras 16 son capas de atención completa, colocadas cada cuarta capa, y son no causales. Cada token puede atender a toda la secuencia.
Las imágenes pasan por una torre de visión nativa y son visibles para cada pregunta en una solicitud. Una cabeza de lectura de 255 vías convierte el último estado oculto en probabilidades de opción. La configuración enumera un tipo de modelo qwen3_5 con una ventana de 262,144 posiciones.
&&&¿Cómo se desempeña Drex Max en las pruebas de referencia?
Todos los números a continuación son informados por Nace AI,
- Índice de decisión 0.4 (texto público): 67.52. Drex v2.0 obtiene 61.25 y Jev 1.13.0 obtiene 57.96.
- Habilidad de área: Herramientas 81.9, Lenguaje 72.2, Recuperación 68.8, Conocimiento y razonamiento 57.1, Artes 53.4.
- Índice de visión público: 73.92 en 11 pruebas de referencia y 12,210 filas.
- Índice de decisión de análisis artificial: 64, que Nace dice que ocupa el 4º lugar de 18.
- JevBench: 92.2% (213/231). Banco de pruebas de decisión v4: 94.30% (1010/1071).
El conjunto de datos de resultados cubre 140,620 solicitudes. Las solicitudes no respondidas se cuentan como incorrectas.
¿Cómo se ejecuta Drex Max localmente?
Nace documenta 5 tiempos de ejecución. Todos ellos sirven el mismo API POST /v1/systemone.
| Tiempo de ejecución | Hardware | Punto de control | Imágenes |
| Python | NVIDIA GPU | bf16 (~49 GB) o 8 bits (~26 GB) | Sí |
| fork de llama.cpp | Apple Metal, CPU | Q8_0 GGUF (27.25 GB) | No |
| fork de Ollama | Apple Metal, CPU | Q8_0 GGUF | No |
| Kapitsa v0.2.25+ | Apple Silicon | Q8_0 GGUF o Q4 afín | No |
| MLX | Apple Silicon | Q4 afín (14.45 GB) | No |
El punto de control Q4 afín está destinado a Macs con 24 GB o más. El Q8_0 GGUF requiere 48 GB. En un Mac de 48 GB, Nace recomienda -context 2048 para Kapitsa.
Los usuarios de Ollama establecen num_gpu 40 para descargar 40 capas a Metal. Establecer num_gpu 0 lo ejecuta en la CPU. El fork de Ollama necesita una línea de decisión de CAPABILITY en el archivo de modelo.
La cuantización se mantiene en las pruebas de Nace. En un Apple M5 Pro de 48 GB, el Q8_0 GGUF coincidió con H100 bf16 dentro de 0,02 por probabilidad. La Q4 afín se mantuvo dentro de 0,0329 de Q8_0, sin cambios de selección.
Drex Max vs otros modelos de decisión
| Drex Max v1 | Drex v2.0 | Drex v1.5 | Jev 1.13.0 | |
| Parámetros | 27B densos | 35B MoE, ~3B activos | 9B | No publicados |
| Contexto máximo | 262,144 | 131,072 | 131,072 | No divulgado |
| Entradas | Texto, JSON, imágenes | Texto (torre de visión eliminada) | Texto | No divulgado |
| Pesos | Abiertos, Nace.AI Open RAIL-M | Abiertos, Nace.AI Open RAIL-M | Abiertos, Nace.AI Open RAIL-M | Cerrados, alojados |
| Archivo local más pequeño | Q4 afín, 24 GB+ Mac | Q8_0, 36,9 GB | Q8_0, ~9,5 GB | No aplicable |
| Índice de decisión público | 67,52 (v0.4) | 61,25 (v0.3.1) | 58,08 (v0.3.1) | 57,96 |
| JevBench | 92,2% | 85,7% | No divulgado | 86,6% |
| Índice de decisión de AA | 64 | 58 | No enlistado | 58 |
| Precio alojado | $0.03 / 1K decisiones (lanzamiento) | $0.06 / 1K decisiones | $0.04 / 1K decisiones | $42 / 1M tareas |
El equipo de Nace AI afirma que el Índice de decisión 0.4 utiliza la misma suite pública que 0.3.1.
Puntos clave
- Los pesos de Drex Max v1 ahora son públicos bajo Nace.AI Open RAIL-M.
- Obtiene un puntaje de 67.52 en el Índice de decisión 0.4, por encima de Drex v2.0 (61.25).
- Una versión de 4 bits se ejecuta en Macs de Apple Silicon de 24 GB a través de Kapitsa o MLX.
- Q8_0 en un M5 Pro coincidió con H100 bf16 dentro de 0.02.
- Los caminos locales de Mac y CPU son solo texto por ahora.
Consulte los pesos del modelo, Q8_0 GGUF, código y documentación, Tweet y consola en la nube.
Gracias al equipo de Nace AI por el liderazgo en pensamiento y recursos para este artículo. Este artículo es patrocinado por Nace AI.
La publicación Nace AI abre el código de Drex Max v1: un modelo de decisión de 27B que se ejecuta localmente en Apple Silicon apareció por primera vez en MarkTechPost.