Nace AI 发布 Drex Max：专为计算机代理设计的多模态决策模型，仅托管 API 不开放权重

Nace AI 发布 Drex Max，这是一款专为计算机操作和浏览器代理设计的多模态决策模型。与传统的生成式模型不同，Drex Max 通过读取文本和图像输入，直接返回校准后的概率分布，而非生成自由文本。这种设计旨在为代理构建者提供廉价且类型化的单次点击调用。

• 地址：https://www.nace.ai/drex

多模态输入与处理机制

Drex Max 是 Drex 家族中精度最高的模型，也是该系列中唯一支持图像输入的模型。它通过固定的 POST /v1/systemone 端点提供服务，每个请求最多可包含 262,144 个 token（含图像 token）。

在处理图像时，模型遵循严格的规范：

• 支持静态 PNG、JPEG 或 WebP 格式。
• 单个请求最多包含 8 张图像，每张不超过 16 MiB，总大小限制在 32 MiB 以内。
• 图像会被自动调整至最大 1,638,400 像素（1280 × 1280）。
• 每张图像在每个问题中最多消耗 1,602 个 token。
• 单个请求最多包含 16 个问题，请求体大小限制为 4 MiB。

模型仅能根据用户提供的选项进行回答，问题类型分为三类：布尔值（是/否）、选项选择（从给定标签中选一个）或评分（有序量表）。

基准测试表现

根据 Nace 官方在公开 Decision Index 0.3.2 上的自报数据，Drex Max 得分为 67.59，比 TypeSafe 的 Jev 1.14 高出 6.9 分。

在代理与工具调用基准中，Drex Max 表现突出：BFCL 工具调用得分为 98.2，JevBench 得分为 92.2（Jev 1.14 为 86.7）。在视觉相关测试中，Decision Index Vision 公开套件得分为 74.5，Mind2Web 达到 88.6，InfographicVQA 达到 98.8。

不过，该模型在部分通用知识基准上存在短板。例如在 MMLU-Pro 上得分为 72.5（Jev 1.14 为 82.1），在 HLE 上得分为 19.0（Jev 1.14 为 19.4）。在 Hateful Memes 测试中，也略低于 GPT-6 Luna Decisions。

推理速度与定价策略

在延迟方面，Nace 报告单次截图决策的中位延迟为 174 毫秒，优于 Jev 1.14 的 253 毫秒。此外，Drex Max 能够接受各种尺寸的截图输入，而 Jev 1.14 会因尺寸问题拒绝约 15.9% 的请求。

定价方面，Drex Max 按每百万输入 token 0.06 美元计费，输出 token 不产生费用。新注册账户可获得 25 美元的测试额度，且失败的请求不会扣除余额。

横向对比与部署方式

目前，Drex Max 仅通过 Nace Console API 提供托管服务，未宣布开放权重或提供量化版本。与同类决策模型相比，其参数量未公开，但在上下文长度（单问题 262K token）和多模态支持上具备特定优势。

对于需要高频、低延迟且结果高度结构化的计算机代理任务，Drex Max 提供了一个针对性强、成本可控的解决方案。但在处理需要广泛通用知识推理的场景时，仍需结合其他模型能力进行补充。