Drex Max v1 від Nace AI виходить з відкритими вагами та орієнтацією на локальний запуск — включно з Apple Silicon. Ця decision model має 27B параметрів і працює з 262,144-токенним вікном (16,384 за замовчуванням). У кожному запиті модель повертає ймовірності до 255 варіантів без генерації тексту. Ви можете виконувати роутинг, класифікацію та policy checks на власному залізі, офлайн.
Що таке Drex Max v1?
Drex Max v1 — decision model від Nace AI, що відповідає на типізовані запитання за заданим контекстом. Ви передаєте стан (текст, JSON або зображення) та іменовані питання. Модель повертає ймовірність для кожної опції за один forward pass — нічого не генерується.
Підтримуються три типи запитань: вибір серед іменованих опцій, так/ні і ординальна шкала. Такий підхід підходить для agent routing, ticket triage та guardrail checks. Hosted-версія представлена в сценаріях роутингу, класифікації та policy checks.
Drex Max v1 повертає масив ймовірностей з фіксованою кількістю виходів — до 255 опцій на питання. Це спрощує інтеграцію у пайплайни, де потрібні чіткі рішення без вільної генерації.
Як працює Drex Max v1?
У картці моделі описано щільну архітектуру на 27B з 64 шарами. 48 з них — Gated DeltaNet з лінійною увагою зліва направо. 16 шарів — з повною увагою, вони розміщені кожний четвертий шар і є некаузальними: кожен токен бачить всю послідовність.
Зображення проходять через нативну vision tower і стають доступними для кожного питання в запиті. На виході 255-way readout head перетворює останній прихований стан у ймовірності опцій. Конфіг вказує тип моделі qwen3_5 з позиційним вікном 262,144.
Такий мікс лінійної та повної уваги дає довге вікно контексту, а також дозволяє однаково працювати з текстом, JSON і вхідними зображеннями всередині одного запиту.
Як запустити Drex Max v1 локально (how to run Drex Max v1 locally)?
Випуск включає bf16-ваги, Q8_0 GGUF, affine Q4 чекпоінт і форки llama.cpp та Ollama. Тому модель можна запускати на NVIDIA GPU, Apple Silicon та навіть на CPU через llama.cpp і Ollama.
На NVIDIA достатньо Python-оточення: підходить H100 у bf16 або L40S 48 GB у 8-bit режимі. На Apple Silicon Mac підтримано 24 GB+ (affine Q4) або 48 GB для Q8_0 GGUF. CPU-запуск можливий через llama.cpp та Ollama завдяки наявним форматам ваг.
Практично: виберіть артефакт ваг (bf16, Q8_0 GGUF чи affine Q4) під своє залізо, підніміть середовище (Python або llama.cpp/Ollama), передайте стан (текст/JSON/зображення) і поставте іменовані питання — модель поверне ймовірності опцій за один прохід.
Продуктивність і бенчмарки Drex Max v1
Drex Max v1 отримує 67.52 на публічному Decision Index 0.4 і на 6.27 пунктів випереджає Drex v2.0 (самозвіт). У задачі InfographicVQA навичка становить 97.3, а в зоні Tools досягає 81.9. Це топ-рівень, який тепер запускається офлайн на Mac.
Цифри охоплюють як загальний індекс прийняття рішень, так і спеціалізовані сценарії на візуальних даних та інструментальних взаємодіях. Поєднання довгого вікна і 255-way виходу дає перевагу у задачах роутингу та guardrails.
Навіщо бізнесу локальний Drex Max v1?
Відкриті ваги означають, що routing, classification і policy checks можуть залишатися на локальній машині. Це дає змогу працювати офлайн на Mac і контролювати виконання процесів без зовнішніх викликів.
Архітектура на 27B з довгим вікном 262,144 і режимом «ймовірності без генерації» добре вкладається у пайплайни перевірок і триажу заявок. Додайте до цього підтримку Apple Silicon, NVIDIA GPU і CPU через llama.cpp/Ollama — і ви отримуєте універсальний конструктор для on-device рішень.
| Параметр | Drex Max v1 | Drex v2.0 | OpenAI models | Google's decision models | Anthropic's AI models |
|---|---|---|---|---|---|
| Параметри | 27B | — | — | — | — |
| Вікно контексту (макс) | 262,144 | — | — | — | — |
| Вікно за замовчуванням | 16,384 | — | — | — | — |
| Опцій на питання | до 255 | — | — | — | — |
| Decision Index 0.4 | 67.52 | — (v1 +6.27) | — | — | — |
| InfographicVQA | 97.3 | — | — | — | — |
| Tools area | 81.9 | — | — | — | — |
| Локально на Apple Silicon | доступно | — | — | — | — |
Часті питання
Що таке Drex Max v1 і як він працює?
Це decision model від Nace AI, яка приймає стан (текст, JSON або зображення) і відповідає на іменовані питання, повертаючи ймовірності опцій в один forward pass. Підтримується три типи питань: вибір серед названих опцій, так/ні та ординальний скор. Модель має 27B параметрів і вікно 262,144 токени (16,384 за замовчуванням), працює без генерації тексту.
Drex Max v1 vs Drex v2.0 comparison — у чому різниця?
За публічним Decision Index 0.4 Drex Max v1 має 67.52 і, за самозвітом, випереджає Drex v2.0 на 6.27 пунктів. Інші деталі різниці не наведені у джерелі. Якщо вам критична ця метрика, перевірте саме значення для ваших сценаріїв задач, оскільки саме відрив позначено як self-reported.
Скільки коштує Drex Max v1 (Drex Max v1 pricing)?
У джерелі вказано, що Nace AI відкрив ваги Drex Max v1 та надав формати bf16, Q8_0 GGUF і affine Q4, а також форки llama.cpp і Ollama. Окремого ціноутворення не надано. Ви можете запускати модель локально на NVIDIA GPU, Apple Silicon або CPU через llama.cpp/Ollama, використовуючи наявні ваги.
Drex Max v1 for Apple Silicon teams — кому підходить?
Командам на Mac із Apple Silicon. Для affine Q4 потрібні Mac із 24 GB+ пам’яті, для Q8_0 GGUF — 48 GB. Модель працює офлайн та повертає ймовірності без генерації, що пасує для роутингу, класифікації та policy checks на пристрої. Також можливий запуск на NVIDIA GPU або CPU.
Як почати роботу локально з Drex Max v1?
Оберіть формат ваг: bf16 (для H100 у bf16), Q8_0 GGUF (для 48 GB на Apple Silicon) або affine Q4 (для 24 GB+ на Apple Silicon). Далі використайте Python на NVIDIA, або llama.cpp/Ollama для CPU/Mac. Передайте стан (текст, JSON або зображення) і сформулюйте іменовані питання — на виході отримаєте розподіл ймовірностей до 255 опцій.
На основі матеріалу MarkTechPost.
