Drex Max 为电脑操作智能体输出决策概率

人工智能

Nace AI 发布了 Drex Max，这是一款面向操作计算机和浏览器的 Agent 的多模态决策模型。Drex Max 读取文本和图像，返回经过校准的概率，不生成任何文本。Nace 团队报告称，该模型在公开的 Decision Index 0.3.2 上取得了 67.59 分，比 TypeSafe 的 Jev 1.14 高出 6.9 分。对 Agent 开发者来说，这意味着每次点击只需一次低成本、带类型约束的调用。

规模：未披露参数量。API 中每个问题最多支持 262,144 个 token，包含图像 token。

运行方式：仅提供托管 API，通过 Nace Console 使用 drex-max。尚未宣布开放权重或推出量化版本。

性能：在公开的 Decision Index 0.3.2 上取得 67.59 分，是 Nace 列出的所有决策模型中的最高分。

最佳表现：BFCL 工具调用得分为 98.2；JevBench 得分为 92.2，Jev 1.14 则为 86.7。

最弱表现：HLE 得分为 19.0；MMLU-Pro 得分为 72.5，Jev 1.14 则为 82.1。

Drex Max 是 Nace AI 推出的决策模型，用于回答有关文本和图像的带类型约束的问题。它是 Drex 系列中准确率最高的模型，也是该系列唯一能够读取图像的模型。

决策模型不生成 token。你向它发送状态和一组具名问题。每个问题属于以下 3 种类型之一：noul（是／否）、choice（选择一个标签）或 score（有序量表）。模型通过 1 次 HTTP 调用，返回每个问题各个答案的概率分布。Drex 只能从你提供的选项中作答。

Drex Max 如何处理图像？

Drex Max 与所有 Drex 模型使用相同的 POST /v1/systemone 端点。通过 "model": "drex-max" 选择该模型。这是一个固定 ID，因此 drex-latest 不会路由到它。

图像放在 images 数组中。所有问题都能看到同一组图像，图像排在状态和问题之前。你可以在纯文本中用“Image 1”和“Image 2”引用它们。每个条目既可以是已上传的工作区文件，也可以是内联 base64 数据。

Drex Max 指南中的主要图像规则：

• 格式：静态 PNG、JPEG 或 WebP。
• 每次请求最多包含 8 张图像，单张上限为 16 MiB，总计上限为 32 MiB。
• 每张图像都会缩放至最多 1,638,400 像素（1,280 × 1,280）。
• 对每个问题，每张图像最多消耗 1,602 个 token。
• 每次请求最多包含 16 个问题，请求体上限为 4 MiB。

Drex Max 在基准测试中表现如何？

以下所有分数均来自 Nace 的 Drex 页面，由 Nace 自行报告。Nace 表示，Drex 使用该指数的官方训练集划分进行训练，并在留出集上评分。

决策基准：Drex Max 在公开的 Decision Index 0.3.2 上得分为 67.6。Jev 1.14 得分为 60.7，Drex 2.0 得分为 61.3。在 JevBench 上，Drex Max 达到 92.2 分，Jev 1.14 则为 86.7 分。

Agent 基准：Drex Max 在 OSWorld-Verified 上得分为 0.780，在 BFCL 上得分为 98.2。在 When2Call 和 RAGTruth 上分别取得 85.2 和 84.8 分。

视觉：在公开的 Decision Index Vision 测试套件上，Drex Max 得分为 74.5，GPT-6 Luna Decisions 得分为 63.9。在 Mind2Web 和 InfographicVQA 上，Drex Max 分别达到 88.6 和 98.8 分。

落后的项目：Jev 1.14 在 MMLU-Pro（82.1 对 72.5）、HLE（19.4 对 19.0）和 ARC-Challenge（97.6 对 97.4）上领先。在 Hateful Memes 上，Drex Max 以 70.6 分落后于 GPT-6 Luna Decisions 的 71.2 分。

Drex Max 有多快，成本有多低？

Nace 列出的单次截图决策耗时中位数为 174 ms。在相同的 243 个问题上，Jev 1.14 的耗时为 253 ms。Nace 表示，Drex Max 接受所有尺寸的截图，而 Jev 1.14 会因尺寸问题拒绝 15.9% 的截图。

在整张基准测试表中，Nace 报告的延迟中位数为 183 ms。发布文章则称，每次决策耗时为 34 ms，在 262K token 下耗时不到 1 秒。这些数据采用了不同的测试设置，因此应分别看待。

定价为每 100 万输入 token 0.06 美元。输出 token 不计费。新账户注册可获得 25 美元额度，失败请求不收费。

Drex Max 与其他决策模型相比如何？

特性	Drex Max	Jev 1.14	Drex 2.0	d3-flash
开发者	Nace AI	TypeSafe AI	Nace AI	vLLM Semantic Router
参数量	未披露	未披露	总计 35B，约 3B 激活参数（MoE）	8.39B
上下文	每个问题 262,144 token	每次请求 64K，使用 long-context header 时为 262K	默认 16,384，最多 131,072	未披露
输入	文本、图像	文本（据 TypeSafe 文档）	文本	文本、图像、视频
许可证	专有（托管）	专有（托管）	Nace.AI Open RAIL-M	Apache-2.0
Decision Index（公开）	67.6（0.3.2）	60.7（0.3.2，据 Nace）	61.25（0.3.1）	57.8（0.3.2）
视觉指数（公开）	74.5	未披露	不适用	69.9
每 100 万输入 token 价格	0.06 美元	0.042 美元	0.06 美元	自托管，提供免费试用
运行环境	Nace Console API	TypeSafe API	单个加速器，bf16 约需 70 GB	已在 1 张 AMD Instinct MI325X 上测试

注意：d3-flash 的视觉分数来自其在 0.3.2 视觉榜单上的自行评测。Drex Max 的分数来自 Nace 自行运行的测试。不同厂商的数据不构成受控条件下的比较。

• Drex Max 是 Nace AI 的首款多模态决策模型。
• 它在 Decision Index 0.3.2 上取得 67.59 分，比 Jev 1.14 高出 6.9 分。
• 截图决策耗时为 174 ms，Jev 1.14 则为 253 ms。
• 定价为每 100 万输入 token 0.06 美元，输出免费。
• 参数规模未披露，权重未开放，分数由厂商自行报告。

欢迎查看 Drex Max 指南、Drex 产品页面和发布文章，也可以阅读我们此前对 Drex 1.5 的报道。所有功劳归于本项目的研究者。此外，欢迎在 Twitter 上关注我们，别忘了加入我们拥有超过 15 万成员的机器学习 SubReddit，并订阅我们的 Newsletter。等等，你用 Telegram 吗？现在也可以在 Telegram 上加入我们。

Michal Sutter 是一名数据科学专业人士，拥有帕多瓦大学的数据科学理学硕士学位。他在统计分析、机器学习和数据工程方面基础扎实，擅长将复杂的数据集转化为可用于实际行动的洞见。