Drex 1.5 ma konkurować z Jev. Otwarty model skupia się wyłącznie na podejmowaniu decyzji

Nace.AI udostępniło wagi modelu Drex 1.5 o wielkości 8,95 mld parametrów. W przeciwieństwie do klasycznych modeli językowych system nie tworzy własnych odpowiedzi, nie pisze kodu ani nie prowadzi dialogu. Jego jedynym zadaniem jest analiza opisu sytuacji i przypisanie prawdopodobieństw do zestawu opcji zdefiniowanych przez użytkownika — na przykład w pytaniach jednokrotnego wyboru, rozstrzygnięciach typu „tak/nie” lub ocenach na skali porządkowej.

W teście Decision Index 0.3.1 Drex uzyskał 58,08 punktu, podczas gdy zamknięty model Jev 1.13.0 zdobył 57,96 punktu. Wynik ten nie oznacza jednak wygranej: różnica mieści się w przedziale uznawanym przez twórców indeksu za remis statystyczny (0,9 punktu). Rezultat Drexa pochodzi z wewnętrznych testów Nace.AI przeprowadzonych za pomocą oficjalnego zestawu narzędzi benchmarku. Firma deklaruje, że model trenowano na oficjalnych zbiorach treningowych, a weryfikowano na odseparowanych zestawach testowych.

Remis w indeksie, duże różnice w testach wiedzy

Zbliżony wynik ogólny w Decision Index nie przekłada się na jednolitą skuteczność we wszystkich dziedzinach. Drex zaprojektowano z myślą o wąskim zakresie zadań: wyborze działań i routingu, co uwidaczniają sprawdziany wiedzy i złożonego rozumowania:

• W teście GPQA Diamond Drex osiągnął 45,4 proc., podczas gdy Jev uzyskał 78,6 proc.
• W benchmarku MMLU-Pro Drex zanotował 58,7 proc. wobec 82,7 proc. dla Jev.

Model nadrabia straty w zadaniach związanych z doborem narzędzi, jednak wyraźnie ustępuje swojemu zamkniętemu konkurentowi tam, gdzie kluczowa jest szeroka wiedza dziedzinowa.

Długi kontekst i ograniczenia wdrożenia lokalnego

Nace.AI zwraca uwagę na skuteczność modelu przy przetwarzaniu długich dokumentów — przy długości kontekstu od 32 tys. do 128 tys. tokenów firma deklaruje dokładność na poziomie 93,4 proc. W materiałach udostępnionych przez producenta brakuje jednak szczegółowego opisu procedury badawczej i doboru próby, dlatego deklaracje te należy traktować wyłącznie jako wskazanie kierunku optymalizacji, a nie niezależnie potwierdzony standard.

Drex 1.5 można uruchomić lokalnie na pojedynczym układzie graficznym z 24 GB pamięci (np. Nvidia A10G) lub po kwantyzacji na procesorach i układach Apple silicon. Wdrożenie na własnej infrastrukturze wiąże się jednak z kilkoma istotnymi zastrzeżeniami:

• Narzędzia lokalne: Uruchomienie modelu w środowiskach takich jak llama.cpp czy Ollama wymaga obecnie korzystania ze zmodyfikowanych wersji (forków) przygotowanych przez Nace.AI, a nie wydań standardowych.
• Licencja: Wagi opublikowano na licencji Open RAIL-M, która nakłada konkretne ograniczenia dotyczące dopuszczalnych zastosowań komercyjnych.

Drex 1.5 pozostaje wyspecjalizowanym narzędziem do automatyzacji decyzji w ramach z góry określonych reguł, a nie bezpośrednim zamiennikiem modeli ogólnego przeznaczenia.