Nace.AI는 Drex 1.5를 오픈소스로 공개했습니다, 에이전트 및 백엔드 워크플로우를 위한 9B 의사결정 모델입니다. Drex 1.5 의사결정 모델은 텍스트를 작성하지 않습니다. 상태와 타입이 지정된 질문을 읽은 후, 모든 옵션에 대해 확률을 반환합니다. Nace는 공개 benchmark에서 58.08을 보고했습니다 Decision Index 0.3.110B 파라미터 미만 모델 중 최고 점수입니다. 가중치는 Hugging Face에 공개되어 있으며, 호스팅 버전도 라이브로 운영 중입니다. OpenRouter.
TL;DR
- 크기: 파라미터 8.95B(밀집), bf16 가중치 약 18 GB. 컨텍스트는 기본 16,384 토큰이며 최대 131,072까지 가능합니다.
- 실행 환경: 1 CUDA GPU (bf16, 24 GB A10G에서 테스트됨). Q8_0 GGUF(약 9.5 GB)는 Apple 실리콘 및 CPU에서 실행됩니다.
- 성능: Decision Index 0.3.1(공개) 기준 58.08로, Jev 1.13.0(57.96)의 위원회 동점 구간 안에 해당합니다.
- 최고: 32K에서 128K 토큰 문서에 대해 93.4%의 정확도를 기록했습니다.
- 최악: ACOS 측면 감성에서 리뷰당 F1이 7.4%인 반면, Jev는 29.5%입니다.
- 요약:
- 최고: 1 GPU에서 폐쇄형 모델과 겨룰 수 있는 오픈 웨이트.
- 최악: 폭넓은 지식과 세분화된 감성 분석에는 약함.
Drex 1.5란 무엇인가?
Drex 1.5는 Nace.AI의 의사결정 모델로, 1회의 forward pass로 고정된 옵션 집합에 점수를 매깁니다. 다음을 전송합니다. state (텍스트 또는 JSON) 및 이름이 지정된 질문입니다. 3가지 질문 유형을 지원합니다: choice, noul (예/아니요) 및 서수 score. 토큰을 샘플링하지 않으므로 temperature 그리고 top_p 적용되지 않습니다. 모델은 귀하가 제공한 옵션으로만 답변할 수 있습니다.
그것은 다음을 제공합니다 POST /v1/systemone API. 이는 다음에서 사용되는 것과 동일한 요청 형식입니다. TypeSafe의 Jev, 이 카테고리를 시작한 폐쇄형 모델입니다. Nace는 기존 Jev 클라이언트가 몇몇 환경 변수를 변경하면 작동한다고 말합니다.
Drex 1.5는 어떻게 작동하나요?
백본은 MiMo-V2.6-Distill-Qwen-9B입니다. 증류된 Qwen 3.5 9B 모델로, 하이브리드 어텐션을 갖춘 32개의 레이어를 가지고 있습니다: 전체 어텐션 레이어당 3개의 선형 어텐션 레이어가 있습니다. 별도의 포인터 헤드(head.pt)가 백본의 히든 상태로부터 각 옵션에 점수를 매깁니다.
각 질문은 상태에 대해 해당 질문과 함께 1회 패스를 실행합니다. llama.cpp에서는 상태가 한 번 인코딩되어 질문 전반에 걸쳐 공유됩니다. Nace의 Drex 페이지 에 따르면 이 모델은 인덱스 벤치마크의 공식 훈련 분할로 훈련되었습니다. 평가는 홀드아웃 분할에서만 이루어졌습니다.
Drex 1.5는 벤치마크에서 어떤 성과를 보이나요?
공개된 Decision Index 0.3.1(37개 벤치마크, 기회 보정)에서 모델 카드 는 다음과 같이 보고합니다:
- Drex 1.5: 58.08
- Jev 1.13.0: 57.96
- Bespoke Nimble 9B v3: 57.19
- Cloudflare clef-flash: 56.15
Drex 1.5, Jev, Nimble은 보드의 0.9점 동률 밴드 내에 위치합니다. Drex는 37개 벤치마크 중 20개에서 Jev를 앞섭니다. Drex 점수는 Nace가 공식 키트를 직접 실행한 결과입니다. 영역 점수는 Tools(75.0)에서 가장 강하고 Knowledge and Reasoning(44.6)에서 가장 약합니다. Nace의 출시 차트는 이전 버전인 Decision Index 0.2.1을 사용하며, 여기서 Drex는 58.28점으로 Jev의 57.91점을 기록했습니다.
JevBench(공개 항목 231개)에서 Drex는 86.2%를 기록해 Jev의 87.0%와 겨룝니다. 두 모델 모두 어려운 항목에서 73.9%에 도달합니다. 8개의 OpenSpiel 게임 전반에 걸친 대결에서 Drex는 Jev 상대로 122승, 47무, 87패(56.8%)를 기록했습니다.
긴 문서는 뚜렷한 강점입니다:
- 8K~32K 토큰: 정확도 89.5%, 중앙값 0.65초
- 32K~128K 토큰: 정확도 93.4%, 중앙값 2.0초
동일한 요청을 8K 토큰으로 자르면 정확도가 76.5%와 78%로 떨어집니다.
개발자는 Drex 1.5를 어떻게 실행할 수 있나요?
4가지 배포 경로가 있으며, 모두 동일한 API를 제공합니다:
- Python (Kev 런타임):
inference.py그리고serve.pyCUDA GPU에서. - llama.cpp: a Nace fork bf16 또는 Q8_0의 GGUF로, CUDA, Metal 또는 CPU에서 지원합니다.
- Ollama: a 포크의 탄생 추가하는
decision역량. - 호스팅 제공: OpenRouter 1M 입력 토큰당 0.04달러, 출력은 0달러로 책정되어 있으며 DeepInfra가 서비스를 제공합니다. Nace는 또한 자체 콘솔 API.
Nace는 AWS g5.2xlarge(A10G 24 GB)에서 bf16과 Q8_0을 테스트했고 동일한 답을 얻었습니다. Q8_0 GGUF는 Apple M5 Pro의 Metal과 CPU 양쪽에서도 일치했습니다.
A Drex 에이전트 스킬 이 모델을 Claude Code, Codex, Cursor, OpenCode, Hermes Agent, Gemini CLI 및 GitHub Copilot에 연결한다. Nace의 출시 게시글 또한 클라우드 사용자를 대상으로 25달러 가입 보너스도 제공합니다.
Drex 1.5는 다른 의사결정 모델들과 어떻게 비교됩니까?
| 기능 | Drex 1.5 | Jev 1.13.0 | Bespoke Nimble 9B v3 |
|---|---|---|---|
| 개발자 | Nace.AI | TypeSafe AI | Bespoke Labs |
| 파라미터 | 8.95B | 공개되지 않음 | Qwen3.5-9B에 대한 LoRA |
| 가중치 | 공개 | 비공개 (API 전용) | 공개 (어댑터) |
| 라이선스 | Nace.AI Open RAIL-M | 독점 | CC BY-NC 4.0 |
| 컨텍스트 | 기본 16,384, 최대 131,072 | 요청당 64K, 32K 상태 더하기 가장 긴 질문 | 공개되지 않음 |
| Decision Index 0.3.1 (공개) | 58.08 | 57.96 | 57.19 |
| Decision Index 0.2.1 | 58.28 | 57.91 | 56.88 |
| JevBench (231개 항목) | 86.2% | 87.0% | 공개되지 않음 |
| 로컬 하드웨어 | CUDA GPU 1개 (bf16), Apple 실리콘 또는 CPU (Q8_0) | 해당 없음 | Qwen3.5-9B 베이스에 어댑터 결합 |
| API 가격 (입력 / 출력, 1M당) | $0.04 / $0 (OpenRouter) | $0.042 / $0 | 공개되지 않음 |
Decision Index 0.3.1 행은 Drex 1.5 모델 카드에서 가져온 것으로, 해당 카드는 Jev와 Nimble의 공개 리더보드를 인용합니다. Nimble의 0.2.1 점수는 자체 모델 카드에서 나온 것입니다.
한계점은 무엇인가?
Drex 1.5는 범용 모델이 아닌 결정 레이어입니다. 텍스트, 코드 또는 설명을 생성할 수 없습니다. 지식 집약적 테스트가 약점입니다: GPQA Diamond에서 45.4%로 Jev의 78.6%에 비해 낮고, MMLU-Pro에서는 58.7%로 82.7%에 비해 낮습니다.
인덱스 벤치마크의 학습 분할로 학습했기 때문에 익숙한 결정 유형에서는 유리합니다. 새로운 도메인에서의 결과는 다를 수 있습니다. Ollama와 llama.cpp를 통한 로컬 배포는 메인라인 빌드가 아닌 Nace의 포크가 필요합니다. 가중치는 사용 제한이 있는 RAIL-M 라이선스를 사용하므로 상업적 사용 전에 약관을 확인하십시오.
핵심 요약
- Drex 1.5는 1회 패스로 옵션을 점수화하는 9B 오픈 결정 모델입니다.
- Decision Index 0.3.1에서 58.08점을 기록하며 클로즈드 모델인 Jev 1.13.0과 동률을 이룹니다.
- 긴 문서 정확도는 32K에서 128K 토큰에서 93.4%에 달합니다.
- GPU 1개에서 실행되거나 Mac에서 9.5 GB Q8_0 GGUF로 실행됩니다.
- 약점: GPQA Diamond (45.4%) 및 ACOS 감성 분석 (7.4%).
다음을 확인해 보세요: Hugging Face의 모델 가중치, GitHub 저장소 그리고 Drex 제품 페이지. 이 프로젝트의 연구자에게 모든 공을 돌립니다. 또한 저희를 Twitter 에서 팔로우하고 150k+ML SubReddit 에 가입하고 다음을 구독하는 것을 잊지 마세요: 저희 뉴스레터. 잠깐! 텔레그램을 사용하고 계신가요? 이제 텔레그램에서도 저희를 만나보실 수 있습니다.
이 게시물 Nace AI, 텍스트가 아닌 옵션을 평가하는 9B 의사결정 모델 Drex 1.5 오픈소스화 가 처음 게시된 곳은 MarkTechPost입니다..