Meet Drex Max: Nace AIs Multimodales Entscheidungsmodell für Computer-Use-Agenten mit einem Score von 67.59

Nace AI hat Drex Max veröffentlicht, ein multimodales Entscheidungsmodell für Agenten, die Computer und Browser nutzen. Das multimodale Entscheidungsmodell Drex Max liest Text und Bilder und gibt kalibrierte Wahrscheinlichkeiten zurück. Es schreibt keinen Text. Das Nace-Team meldet 67.59 auf dem öffentlichen Decision Index 0.3.2, 6.9 Punkte über TypeSafes Jev 1.14. Für Agenten-Entwickler bedeutet das einen einzigen günstigen, typisierten Aufruf pro Klick.

TL;DR

Größe: Parameter nicht offengelegt. Bis zu 262,144 Tokens pro Frage über die API, einschließlich Bild-Tokens.
Läuft auf: Nur gehostete API (drex-max auf der Nace Console). Keine offenen Gewichte oder quantisierten Builds angekündigt.
Leistung: 67.59 auf dem Decision Index 0.3.2 (öffentlich), der höchste Score, den Nace für irgendein Entscheidungsmodell auflistet.
Beste: 98.2 auf BFCL -Tool-Aufrufen und 92.2 auf JevBench gegenüber 86.7 für Jev 1.14.
Schlechteste: 19.0 auf HLE und 72.5 auf MMLU-Pro gegenüber 82.1 für Jev 1.14.

Was ist Drex Max?

Drex Max ist ein Entscheidungsmodell von Nace AI, das typisierte Fragen zu Text und Bildern beantwortet. Es ist das genaueste Modell in der Drex-Familieund das einzige, das Bilder liest.

Ein Entscheidungsmodell erzeugt keine Tokens. Sie senden state und benannte Fragen. Jede Frage ist einer von 3 Typen: noul (ja/nein), choice (ein Label auswählen) oder score (geordnete Skala). Das Modell gibt zurück: Wahrscheinlichkeitsverteilung für jede Antwort in 1 HTTP-Aufruf. Drex kann nur mit den Optionen antworten, die Sie ihm gegeben haben.

Wie arbeitet Drex Max mit Bildern?

Drex Max verwendet denselben POST /v1/systemone Endpunkt wie jedes Drex-Modell. Sie wählen es aus mit "model": "drex-max". Es ist eine festgelegte ID, daher drex-latest leitet nicht dorthin weiter.

Bilder gehen in ein images Array. Jede Frage sieht dieselben Bilder, vor dem Zustand und den Fragen. Sie bezeichnen sie als ‘Image 1’ und ‘Image 2’ im Klartext. Jeder Eintrag ist entweder eine hochgeladene Workspace-Datei oder Inline-Base64.

Wichtige Bildregeln aus dem Drex Max-Leitfaden:

Formate: nur PNG, JPEG oder WebP.
Bis zu 8 Bilder pro Anfrage, je 16 MiB, insgesamt 32 MiB.
Jedes Bild wird auf höchstens 1,638,400 Pixel (1,280 × 1,280) verkleinert.
Jedes Bild kostet bis zu 1,602 Tokens in jeder Frage.
Bis zu 16 Fragen pro Anfrage, mit einem Anfragekörper von 4 MiB.

Wie schneidet Drex Max bei Benchmarks ab?

Alle folgenden Werte stammen von Naces Drex-Seite. Sie sind selbst berichtet. Nace sagt, Drex trainiert auf den offiziellen Trainings-Splits des Index und wird auf zurückgehaltenen Splits bewertet.

Entscheidungs-Benchmarks: Drex Max erzielt 67,6 auf dem öffentlichen Decision Index 0.3.2. Jev 1.14 erzielt 60,7 und Drex 2.0 erzielt 61,3. Auf JevBench erreicht Drex Max 92,2 gegenüber 86,7 für Jev 1.14.
Agentic Benchmarks: Drex Max erreicht 0,780 auf OSWorld-Verified und 98,2 auf BFCL. Es erzielt 85,2 auf When2Call und 84,8 auf RAGTruth.
Vision: Auf dem öffentlichen Decision Index Vision-Suite erzielt Drex Max 74,5. GPT-6 Luna Decisions erzielt 63,9. Mind2Web erreicht 88,6 und InfographicVQA erreicht 98,8.
Wo es zurückliegt: Jev 1.14 führt bei MMLU-Pro (82,1 vs. 72,5), HLE (19,4 vs. 19,0) und ARC-Challenge (97,6 vs. 97,4). Auf Hateful Memes liegt Drex Max hinter GPT-6 Luna Decisions, 70,6 vs. 71,2.

Zurück</button> <button class="btn pri" id="mtp-next">Nächster Schritt </button> <button class="btn" id="mtp-play">Automatische Wiedergabe</button> <div class="dots"><i></i><i></i><i></i></div> </div> <p class="note">Die Antwortwahrscheinlichkeiten sind eine Veranschaulichung der Antwortstruktur, keine echte Modellausgabe.</p> </div> <div class="pn" data-p="bench"> <div class="seg" id="mtp-seg"> <button class="on" data-s="di">Decision Index</button> <button data-s="ag">Agentic</button> <button data-s="vi">Vision</button> </div> <div id="mtp-bars"></div> <p class="note" id="mtp-bnote"></p> </div> <div class="pn" data-p="vs"> <table class="vs"> <thead><tr><th>Benchmark</th><th style="text-align:right">Drex Max</th><th style="text-align:right">Jev 1.14</th><th>Ergebnis</th></tr></thead> <tbody id="mtp-vs"></tbody> </table> <p class="note">Alle Zahlen von Naces Drex-Seite (selbst berichtet). Jev 1.14 lehnt laut Nace 15.9% der Screenshots aufgrund ihrer Größe ab.</p> </div> <div class="pn" data-p="lim"> <div class="grid" id="mtp-lims"></div> <p class="note">Für Details auf eine Karte tippen. Quelle: Nace Drex Max API-Leitfaden.</p> </div> <div class="pn" data-p="cost"> <div class="calc"> <div> <label for="mtp-dec">Entscheidungen pro Tag: <b id="mtp-decv" style="color:#f5f5f4">10,000</b></label> <input type="range" id="mtp-dec" min="1000" max="1000000" step="1000" value="10000"> <label for="mtp-img">Screenshots pro Entscheidung: <b id="mtp-imgv" style="color:#f5f5f4">1</b></label> <input type="range" id="mtp-img" min="0" max="8" step="1" value="1"> <label for="mtp-txt">Text-Tokens pro Entscheidung (State + Frage): <b id="mtp-txtv" style="color:#f5f5f4">500</b></label> <input type="range" id="mtp-txt" min="50" max="20000" step="50" value="500"> </div> <div class="out"> <small>Geschätzte Tageskosten, Obergrenze</small> <div class="big" id="mtp-cost">$0.00</div> <small id="mtp-tok"></small> <small style="margin-top:10px">Verwendet $0.06 pro 1M Input-Tokens und das Maximum von 1,602 Tokens pro Bild. Output-Tokens werden nicht abgerechnet. Echte Bild-Token-Zahlen können niedriger sein.</small> </div> </div> </div> <div class="ft"> <span class="src">Quellen: <a href="https://www.nace.ai/drex" target="_blank" rel="noopener">nace.ai/drex</a> · <a href="https://console.nace.ai/docs/drex/guides/drex-max" target="_blank" rel="noopener">Drex Max-Leitfaden</a></span> <a href="https://www.marktechpost.com" target="_blank" rel="noopener">© Marktechpost</a> </div> </div> <script> (function(){ var R=document.getElementById('mtp-drexmax'); function $(s,c){return (c||R).querySelector(s)}function $$(s,c){return Array.prototype.slice.call((c||R).querySelectorAll(s))} function post(){try{var h=R.offsetHeight+40;parent.postMessage({mtpDrexMaxHeight:h,type:'mtp-resize',height:h},'*')}catch(e){}} /* counters */ $$('[data-count]').forEach(function(el){var to=+el.dataset.count,d=+(el.dataset.dec||0),suf=el.dataset.suf||'',sep=el.dataset.sep,t0=null; function f(v){var s=v.toFixed(d);if(sep)s=Math.round(v).toLocaleString('en-US');return s+suf} function step(ts){if(!t0)t0=ts;var k=Math.min(1,(ts-t0)/1100),e=1-Math.pow(1-k,3);el.textContent=f(to*e);if(k<1)requestAnimationFrame(step);else el.textContent=f(to)} requestAnimationFrame(step)}); /* tabs */ $$('.tab').forEach(function(b){b.addEventListener('click',function(){$$('.tab').forEach(function(x){x.setAttribute('aria-selected',x===b)}); $$('.pn').forEach(function(p){p.classList.toggle('on',p.dataset.p===b.dataset.t)}); if(b.dataset.t==='bench')drawBars(cur);if(b.dataset.t==='flow')show(stp);setTimeout(post,60);setTimeout(post,500)})}); /* flow */ var caps=['Schritt 1: sende einen State plus bis zu 8 Standbilder. Jede Frage sieht dieselben Bilder, vor dem State und den Fragen.','Schritt 2: benenne bis zu 16 typisierte Fragen. Drex Max kann nur mit den von dir bereitgestellten Optionen antworten.','Schritt 3: ein Aufruf gibt für jede Option eine Wahrscheinlichkeit zurück. Nace nennt 174 ms Median pro Screenshot-Entscheidung.']; var stp=0,timer=null; function show(i){stp=i;$$('.node').forEach(function(n){n.classList.toggle('lit',+n.dataset.n<=i)}); $$('.dots i').forEach(function(d,k){d.classList.toggle('on',k===i)});$('#mtp-cap').textContent=caps[i]; $$('.prob u').forEach(function(u){u.style.width=i===2?u.dataset.w+'%':'0'})} $('#mtp-next').onclick=function(){stopPlay();show((stp+1)%3)};$('#mtp-prev').onclick=function(){stopPlay();show((stp+2)%3)}; function stopPlay(){if(timer){clearInterval(timer);timer=null;$('#mtp-play').textContent='Automatische Wiedergabe'}} $('#mtp-play').onclick=function(){if(timer){stopPlay();return}this.textContent='Pause';show(0);timer=setInterval(function(){show((stp+1)%3)},2200)}; show(0); /* bars */ var D={di:{max:80,rows:[['Drex Max',67.6,1],['Drex 2.0',61.3],['Jev 1.14',60.7],['Drex 1.5',58.1],['GPT-6 Luna Decisions',47.8]],note:'Decision Index 0.3.2, nur öffentliche Benchmarks, zufallsbereinigt. Quelle: nace.ai/drex (selbst berichtet).'}, ag:{max:100,rows:[['Drex Max · BFCL',98.2,1],['Jev 1.14 · BFCL',96.4],['Drex Max · OSWorld-Verified',78.0,1],['Jev 1.14 · OSWorld-Verified',73.4],['Drex Max · When2Call',85.2,1],['Jev 1.14 · When2Call',81.7]],note:'OSWorld-Verified als ×100 dargestellt (0.780 und 0.734). Quelle: nace.ai/drex (selbst berichtet).'}, vi:{max:100,rows:[['Drex Max · Vision Index',74. 5,1],['GPT-6 Luna Decisions',63.9],['Drex Max · Mind2Web',88.6,1],['GPT-6 Luna · Mind2Web',81.2],['Drex Max · CV-Bench',86.3,1],['GPT-6 Luna · CV-Bench',73.8]],note:'Decision Index Vision, öffentliche Suite, 11 Benchmarks. Quelle: nace.ai/drex (selbst angegeben).'}}; var cur='di'; function drawBars(k){cur=k;var d=D[k],h='';d.rows.forEach(function(r){h+='<div class="row'+(r[2]?' me':'')+'"><span class="lab">'+r[0]+'</span><div class="tr"><div class="fl" data-w="'+(r[1]/d.max*100)+'"></div></div><span class="v">'+r[1].toFixed(1)+'</span></div>'}); $('#mtp-bars').innerHTML=h;$('#mtp-bnote').textContent=d.note; requestAnimationFrame(function(){requestAnimationFrame(function(){$$('#mtp-bars .fl').forEach(function(f){f.style.width=f.dataset.w+'%'})})}); $$('#mtp-seg button').forEach(function(b){b.classList.toggle('on',b.dataset.s===k)});setTimeout(post,60)} $$('#mtp-seg button').forEach(function(b){b.onclick=function(){drawBars(b.dataset.s)}}); /* vs */ var V=[['Decision Index 0.3.2','67.6','60.7',1],['JevBench','92.2','86.7',1],['Decision Bench','94.3','92.3',1],['Game Bench win %','64.0','50.0',1],['BFCL','98.2','96.4',1],['OSWorld-Verified','0.780','0.734',1],['Screenshot decision','174 ms','253 ms',1],['MMLU-Pro','72.5','82.1',0],['HLE','19.0','19.4',0],['ARC-Challenge','97.4','97.6',0]]; $('#mtp-vs').innerHTML=V.map(function(r){return '<tr><td>'+r[0]+'</td><td class="n">'+r[1]+'</td><td class="n">'+r[2]+'</td><td>'+(r[3]?'<span class="pill w">Max führt</span>':'<span class="pill l">Jev führt</span>')+'</td></tr>'}).join(''); /* limits */ var L=[['16','Fragen pro Anfrage','Gleiches Limit mit oder ohne Bilder.'],['262,144','Token pro Frage','Zustand plus die jeweilige Frage, Bild-Tokens inklusive. Naces Landingpage nennt 131K Kontext.'],['8','Bilder pro Anfrage','Weiterhin PNG, JPEG oder WebP. Jeweils 16 MiB, insgesamt 32 MiB.'],['1,602','max tokens pro Bild','Berechnet bei jeder Frage. Bilder werden auf höchstens 1,638,400 Pixel (1,280 × 1,280) verkleinert.'],['4 MiB','Anfragekörper','Inline-Base64-Bilder zählen dazu, daher passen etwa 3 MiB an Bildbytes.'],['$0','für fehlgeschlagene Anfragen','Nur eine 200-Antwort wird abgerechnet. Output-Tokens werden nie abgerechnet.']]; $('#mtp-lims').innerHTML=L.map(function(l){return '<div class="lim" tabindex="0"><b>'+l[0]+'</b><span>'+l[1]+'</span><p>'+l[2]+'</p></div>'}).join(''); $$('.lim').forEach(function(c){function t(){c.classList.toggle('open');setTimeout(post,380)}c.onclick=t;c.onkeydown=function(e){if(e.key==='Enter'||e.key===' '){e.preventDefault();t()}}}); /* calc */ function calc(){var n=+$('#mtp-dec').value,im=+$('#mtp-img').value,tx=+$('#mtp-txt').value,tok=n*(tx+im*1602),c=tok/1e6*0.06; $('#mtp-decv').textContent=n.toLocaleString('en-US');$('#mtp-imgv').textContent=im;$('#mtp-txtv').textContent=tx.toLocaleString('en-US'); $('#mtp-cost').textContent='$'+(c<10?c.toFixed(2):Math.round(c).toLocaleString('en-US'));$('#mtp-tok').textContent=tok.toLocaleString('en-US')+' Eingabe-Tokens pro Tag'} ['#mtp-dec','#mtp-img','#mtp-txt'].forEach(function(s){$(s).oninput=calc});calc(); window.addEventListener('load',post);window.addEventListener('resize',post);setTimeout(post,300);setTimeout(post,1200); })(); </script> </body></html> " style="width:100%;height:600px;border:0;display:block;background:transparent;" loading="lazy" scrolling="no">

Wie schnell und wie günstig ist Drex Max?

Nace listet 174 ms Median pro Screenshot-Entscheidungauf. Jev 1.14 benötigt 253 ms für dieselben 243 Fragen. Nace sagt, Drex Max akzeptiere jede Screenshot-Größe, während Jev 1.14 15.9 % aufgrund der Größe ablehnt.

In seiner Benchmark-Tabelle berichtet Nace von einer medianen Latenz von 183 ms. Der Launch-Beitrag nennt 34 ms pro Entscheidung und unter 1 Sekunde bei 262K Token. Diese Zahlen verwenden unterschiedliche Setups, betrachten Sie sie daher als getrennte Aussagen.

Der Preis liegt bei $0.06 pro 1M Input-Token. Output-Token werden nicht abgerechnet. Neue Konten erhalten $25 Anmelde-Guthaben, und fehlgeschlagene Anfragen kosten nichts.

Wie schneidet Drex Max im Vergleich zu anderen Entscheidungsmodellen ab?

Funktion	Drex Max	Jev 1.14	Drex 2.0	d3-flash
Entwickler	Nace AI	TypeSafe AI	Nace AI	vLLM Semantic Router
Parameter	Nicht offengelegt	Nicht offengelegt	35B gesamt, etwa 3B aktiv (MoE)	8.39B
Kontext	262,144 Token pro Frage	64K pro Anfrage, 262K mit Long-Context-Header	16,384 Standard, bis zu 131,072	Nicht offengelegt
Eingaben	Text, Bilder	Text (TypeSafe-Dokumentation)	Text	Text, Bilder, Video
Lizenz	Proprietär (gehostet)	Proprietär (gehostet)	Nace.AI Open RAIL-M	Apache-2.0
Decision Index (öffentlich)	67.6 (0.3.2)	60.7 (0.3.2, laut Nace)	61.25 (0.3.1)	57.8 (0.3.2)
Vision-Index (öffentlich)	74.5	Nicht offengelegt	Nicht anwendbar	69.9
Preis pro 1M Eingabe-Tokens	$0.06	$0.042	$0.06	Self-Hosting, kostenlose Testversion
Läuft auf	Nace Console API	TypeSafe API	Einzelbeschleuniger, bf16 etwa 70 GB	1 AMD Instinct MI325X getestet

Hinweis: d3-flash’s Vision-Wert ist die eigene Bewertung auf dem 0.3.2 Vision-Board. Der Wert von Drex Max stammt aus einem eigenen Lauf von Nace. Zahlen über Hersteller hinweg sind kein kontrollierter Vergleich.

Kernpunkte

Drex Max ist Nace AIs erstes multimodales Entscheidungsmodell.
Es erreicht 67.59 auf dem Decision Index 0.3.2, 6.9 über Jev 1.14.
Screenshot-Entscheidungen dauern 174 ms, gegenüber 253 ms bei Jev 1.14.
Der Preis beträgt $0.06 pro 1M Eingabe-Tokens, Ausgabe ist kostenlos.
Die Größe ist nicht offengelegt, die Gewichte sind geschlossen, und die Werte sind selbst berichtet.

Schauen Sie sich den Drex Max-Leitfaden, an Drex-Produktseite und den Launch-Beitrag. Lesen Sie auch unsere frühere Berichterstattung über Drex 1.5. Alle Credits gehen an den Forscher dieses Projekts. Folgen Sie uns außerdem gerne auf Twitter und vergessen Sie nicht, unserem 150k+ML SubReddit beizutreten und unseren Newsletterzu abonnieren. Moment! Sind Sie auf Telegram? jetzt können Sie uns auch auf Telegram beitreten.

Der Beitrag Meet Drex Max: Nace AIs Multimodales Entscheidungsmodell für Computer-Use-Agenten mit einem Score von 67.59 erschien zuerst auf MarkTechPost.

Originalquelle

MarkTechPost

Original lesen

Hinweise zum Inhalt

Originalveröffentlichung und Rechte liegen bei der Quelle.

Maschinelle Übersetzung · Original beachten