بطاقة عنوان مُولّدة لـ Drex Max v1.1 بعنوان فرعي "الأول في Artificial Analysis Decision Index v2، بفارق 0.56 نقطة"، مع شرائح تعرض 73.4 Decision Index، و275 مللي ثانية لكل مهمة، و102 دولار لكل مليون مهمة، وحد طلب يبلغ 262,144 رمزًا، إضافة إلى شريط لوحة صدارة يعرض 73.4 و72.8 و72.4 لأفضل ثلاثة نماذج قرار.
Guides & Insights

Drex Max v1.1 يتصدّر مؤشر القرار — وتفاصيل المجلس نفسه تضع تحفظات على هذا الفوز

الكاتب

Gideon Frost

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

Drex Max v1.1، نموذج القرار متعدد الوسائط من Nace.AI، يتصدّر مؤشر Artificial Analysis Decision Index v2 بدرجة 73.4. ويبلغ الفارق 0.56 نقطة عن GLiDE v1.2 من Fastino Labs عند 72.8، و0.94 عن Mammoth 27B عند 72.4. هذه الأرقام الثلاثة هي كل ما تحكيه قمة الترتيب، وهي أيضاً سبب حاجة العنوان الرئيسي إلى جملة ثانية: التقييم نفسه يقول إن GLiDE أكثر دقة من Drex Max v1.1، وإن Mammoth 27B يحتفظ بالإجابة نفسها عبر إعادة الصياغات بمعدل أكبر بكثير.

النموذج نفسه ليس جديدًا اليوم. يورد دليل النماذج الخاص بـ Nace أن drex-max-v1.1 صدر في 28 أكتوبر 2026، وأن المعرّف المتقاعد drex-max تتم الإجابة عنه بواسطة v1.1 منذ 8 نوفمبر. الجديد هو القياس. فقد نشرت Artificial Analysis مؤشر Decision Index v2 في 8 نوفمبر 2026، أي قبل يومين من هذا المقال، وهو أول لوحة مستقلة تقيّم نسخة النموذج هذه مقابل بقية مجال نماذج القرار باستخدام أداة واحدة. هذا هو الخبر: ليس إطلاقًا، بل أول رقم خارجي لنموذج لم يكن قد قدّم سوى رقم مورده الخاص.

ما الذي يقيسه مجلس الإدارة فعليًا الآن

مؤشر القرار v2 أداة مختلفة عن تلك التي أنتجت الـ64 التي حملها Drex Max في أكتوبر، لذا فهما غير قابلين للمقارنة ولا ينبغي لأحد أن يضعهما جنبًا إلى جنب. مؤشر v2 هو متوسط مرجح لستة تقييمات، و45% منه الآن مبني على بيانات خاصة، ارتفاعًا من 25% في v1 — خطوة متعمدة ضد التكيّف المفرط مع المعايير القياسية.

Screenshot of the Artificial Analysis Decision Index v2 page, showing the leaderboard navigation, the index name, and the board's own definition: a composite index testing decision models across document decisions and extraction, tool calling, knowledge, reasoning and invariance, combining six evaluations including AA-Paperclip's 1,500 resumes, receipts and invoices.

• AA-Paperclip، 30% من المؤشر — 1,500 مستند خاص (سير ذاتية، إيصالات، فواتير، أوراق بحثية)، يحمل كل منها خمسة قرارات وعشرة حقائق يجب استخراجها، ويُقيَّم كمستند واحد لا يُحتسب إلا إذا كانت الإجابات الخمس عشرة كلها صحيحة.

• EvalSafe-O*NET-AA، 15% — تقييم مستندات مكان العمل، مبني على معيار O*NET الخاص بـ TypeSafe.

• AA-Omniscience-Decision v1.1، 15% — المعرفة والهلوسة، مع إعادة صياغة خيار "لا أعرف" بعشر طرق.

• HLE-MultiChoice v1.1، 15% — اختبار Humanity's Last Exam متعدد الخيارات، مع خيار الرفض أيضًا.

• AA-Symmetry، 15% — تم توسيع 120 سؤالًا إلى 440 تنويعًا عن طريق إعادة ترتيب الخيارات، وتبديل التسميات، ونفي أسئلة نعم/لا.

• When2Call، 10% — تقييم NVIDIA لاستدعاء الأدوات، بانخفاض من 25% في الإصدار v1.

المقياس الرئيسي جديد أيضًا. تُحتسب درجة كل سؤال وفق 50 × (1 + c − (p − c)²)، حيث p هو الاحتمال الذي وضعه النموذج على إجابته، وc هو ما إذا كانت تلك الإجابة صحيحة. وإجمالًا، فإن ذلك يساوي 50 × (1 + الدقة − Brier score). يُكافأ النموذج على كونه صحيحًا وعلى معرفته بمدى صحة إجابته، ويُعاقَب على الخطأ الواثق أكثر مما يُعاقَب على الخطأ المتردد. وهذا مهم هنا، لأن عرض Drex يقوم على الاحتمال المعاير بدلًا من النثر، وهذه أول لوحة تقيّم المعايرة مباشرة بدلًا من التعامل معها كحاشية.

أين يفوز Drex Max v1.1، وبأي فارق، وضد مَن

المركّب يخفي حقلًا منقسمًا. وعند فصله، يأتي تقدّم Drex Max v1.1 من مكوّنين من أصل ستة، وأحدهما هو المكوّن الذي بُني نموذج Nace من أجله.

• AA-Paperclip (المستندات) — يسجّل Drex Max v1.1 نتيجة 72.8 على درجة القرار، مع كون 63.0% من المستندات صحيحة تمامًا؛ ويأتي d1-ultra من Liquid AI عند 64.7 و51.3%، وMicrosoft-Decision-1 عند 51.8 و20.9%.

• When2Call (استدعاء الأدوات) — سجل Drex Max v1.1 نتيجة 95.26 مقابل 84.39 لـ Jev 1.14 و87.95 لـ Microsoft-Decision-1، وهو أوسع فارق في تقييم فردي ضمن مجموعة المقارنة.

• AA-Symmetry — Drex Max v1.1 84.96، Jev 1.14 79.31، d1-ultra 77.81، Microsoft-Decision-1 75.25. GLiDE v1.2 عند 84.18، أي على نفس المستوى فعليًا.

• AA-Omniscience-Decision — Drex Max v1.1 60.27، d1-ultra 64.39. هذه النتيجة تسير في الاتجاه المعاكس، وهي التقييم المتعلق بمعرفة الأشياء لا باتخاذ القرارات.

• HLE-MultiChoice — Drex Max v1.1 عند 46.61 مقابل 44.47 لـ Jev 1.14، لكن d1-ultra عند 47.39، والدقة الخام 8.25% مقابل 12.77% لـ Jev.

• الوقت لكل مهمة — 275 مللي ثانية لـ Drex Max v1.1، و92 مللي ثانية لـ Jev 1.14، و295 مللي ثانية لـ d1-ultra. يُعد Drex أسرع نموذج قرار على مستوى الحدود في القائمة، وهو أبطأ بنحو ثلاث مرات من النموذج الحالي الأرخص تشغيلًا.

A generated component breakdown headed 'Drex Max v1.1 vs GLiDE v1.2 vs Mammoth 27B — where the points come from', with five weighted rows: document decisions at 30 percent weight scoring 72.8, 76.0 and 66.0; workplace judgement at 15 percent scoring 88.3, 84.1 and 79.9; tool calling at 10 percent scoring 95.3, 90.1 and 87.0; paraphrase symmetry at 15 percent scoring 85.0, 84.2 and 99.0; and knowledge and abstention at 15 percent scoring 60.3, 58.6 and 59.0, footnoted to the Artificial Analysis Decision Index v2 of 8 November 2026.

أربعة تحفظات ينشرها المجلس ولا ينشرها البيان الصحفي.

تتّسم Artificial Analysis بوضوح غير معتاد بشأن ما لا تعنيه درجتها الأعلى، ويذكر المقال الذي يعلن عن v2 كلًّا من هذه الأمور بلغة واضحة.

الأولى هي الدقة. "يتقدّم GLiDE v1.2 على Drex Max v1.1 في مقاييس الدقة (60 مقابل 58)، بينما يتقدّم Drex Max v1.1 بفارق ضئيل في مؤشر القرار." يفوز Drex في النتيجة المركّبة لأنه أفضل معايرةً، وليس لأنه يحصل على عدد أكبر من الإجابات الصحيحة. إذا كان خط المعالجة لديك يتخلص من الاحتمال ويحتفظ فقط بـ argmax، فأنت قد اشتريت الجزء من النموذج الذي لم يكافئه مجلس الإدارة.

الثاني هو الاتساق عند إعادة الصياغة. يختار Mammoth 27B الإجابة نفسها عبر تنويعات AA-Symmetry في 99% من الأسئلة؛ ويفعل Drex Max v1.1 ذلك في 91%، وGLiDE في 88%. لا يزال Drex متقدماً كثيراً على ما كان عليه، ومتقدماً على Jev، لكن "السؤال نفسه بصيغتين يحصل على الإجابة نفسها" خاصية يمتلكها Mammoth ولا يمتلكها Drex بالكامل.

الثالث هو اختبار المستند الكل-أو-لا-شيء. يحقق Drex Max v1.1 نسبة 97% في الإجابات الفردية على AA-Paperclip لكنه يجتاز 63% فقط من المستندات، لأن إجابة خاطئة واحدة من أصل خمس عشرة تُفشل المستند. وهو يتخذ القرارات الخمسة كلها بشكل صحيح في 71% من المستندات وجميع عمليات الاستخراج العشر في 88%. أما Claude Haiku 5.5 (Max)، وهو نموذج لغوي عام الغرض، فيجتاز 92%. الفجوة بين 97% من الإجابات و63% من المستندات هي تكلفة ربط خمس عشرة استدعاءً مترابطًا دون مدقق.

الرابع هو الامتناع. في تقييم المعرفة الشاملة، يمتنع d1-ultra بدلاً من التخمين في 88.6% من الأسئلة التي لا يستطيع الإجابة عنها؛ وDrex Max v1.1 في 65.3%؛ وMicrosoft-Decision-1 في 21.7%. Drex نموذج يفضّل الإجابة على الامتناع، وهذا أمر مقبول عندما يراجع إنسانٌ الحالات منخفضة الثقة، ومكلف عندما لا يفعل ذلك أحد.

عمود التكلفة هو أقوى ما يمتلكه Nace.

التكلفة لكل مليون مهمة على اللوحة نفسها: Celeris-1.1 Decision ‏14 دولارًا، Decider v1.2 ‏68 دولارًا، Drex Max v1.1 ‏102 دولار، d1-ultra ‏132 دولارًا، Microsoft-Decision-1 ‏142 دولارًا، Jev 1.14 ‏156 دولارًا، GLiDE v1.2 ‏780 دولارًا، Clef ‏859 دولارًا. وفوق نماذج القرار، تكلّف GPT-6 Luna (Max) ‏1,530 دولارًا وClaude Haiku 5.5 (Max) ‏6,240 دولارًا مقابل ثلاث إلى أربع نقاط مؤشر.

جزء من ذلك الفارق هو سعر الرمز وجزء هو شكل الفوترة، واللوحة تفصل بينهما. تقيّم Drex Max v1.1 وDecider v1.2 مستندًا مرة واحدة وتجيبان عن كل سؤال من تلك التمريرة الواحدة، لذا تستهلك مهمة AA-Paperclip نحو 9,000 رمز إدخال. أما GLiDE v1.2 وDecider Flash v1.2 فتحاسبان على الإدخال مجددًا لكل سؤال، بنحو 63,000 رمز لكل مهمة، وهكذا يصل GLiDE إلى 780 دولارًا بسعر قائمة قدره 0.04 دولار — أي نحو ثمانية أضعاف تكلفة Drex بمعدل رموز أعلى بنسبة 33%. يذكر جدول Nace نفسه «0.03 دولار لكل 1,000 قرار»، وتذكر اللوحة 102 دولار لكل مليون مهمة؛ فهذه وحدات مختلفة تقيس أحمال عمل مختلفة، والوحدة الثانية فقط هي التي تتيح المقارنة بين النماذج.

تضع صفحة منتج Nace أيضًا في العناوين الرئيسية «أسرع بـ118× من Claude Haiku 5.5 (Max)». اعتبر ذلك ادعاءً من المورّد مبنيًا على مقام من المورّد. وحدة القياس في اللوحة هي الزمن لكل مهمة، حيث يبلغ Drex Max v1.1 نحو 275 ms، ويضع تقرير AA أداء GPT-6 Luna (Max) عند 11.34 s — أي نحو 40×. يمكن أن يكون الرقمان صحيحين في الوقت نفسه لأن أحدهما يحسب قرارًا واحدًا والآخر يحسب وثيقة كاملة من خمسة عشر سؤالًا. خطّط للسعة انطلاقًا من رقم الزمن لكل مهمة.

المُعرّف هو الجزء الذي سيُعطّل التكامل الخاص بك

ثلاثة أمور في وثائق Nace ستُكلّفك بعد ظهرٍ كاملًا إذا اكتشفتها بعد ربط العميل.

• لا يشير drex-latest إلى نموذج Max. بل يُحل إلى drex-v2.0، وهو مزيج خبراء نصي فقط مفتوح الأوزان يحصل على 63.43 في لوحة التقييم نفسها. والطلب الذي لا يذكر model إطلاقًا يجيب عنه drex-v2.0 أيضًا. إذا نسخت دليل بدء سريع يضبط TYPESAFE_DEFAULT_MODEL=drex-latest — وتعليمات التوافق مع Jev الخاصة بـ Nace نفسها تطلب منك ذلك — فأنت تستدعي النموذج الخطأ وسترى انخفاضًا قدره 10 نقاط في المؤشر دون أي خطأ.

• تم إيقاف drex-max اعتبارًا من 8 نوفمبر 2026، وتُقدَّم خدماته عبر drex-max-v1.1 ضمن حدود v1.1 وسعره. يظل العملاء الحاليون يعملون؛ ويُبلِّغ الرد بمعرّف الخلف. أما الأعمال الجديدة فينبغي أن ترسل drex-max-v1.1 صراحةً.

يُذكر رقم السياق مرتين، بشكلين مختلفين. يقول دليل API إن الحد هو 131,072 رمزًا لكل سؤال مع احتساب رموز الصور؛ بينما يذكر مرجع النموذج حدّ إدخال قدره 262,144 رمزًا للطلب المجمّع بالكامل، بما في ذلك الحالة، والصور الثماني كلها، وكل سؤال، وتنسيق النموذج. احسب على أساس الرقم الأصغر ما لم تكن قد اختبرت الأكبر.

Screenshot of Nace's Drex model reference page, showing the documentation sidebar covering the Drex API, guides, the Drex Max section and the Drex reference pages for Models, Errors, Limits and Pricing, with the Models page open and described as the table of models Drex serves, their API ids, prices and token limits.

لا يُعدّ أيٌّ من هذه عيبًا. فهي مجرد مخلفات عادية لتحديث الإصدارات في مكانها، وهي السبب في أن تاريخ الإصدار المدوَّن على الطراز أهم من رقم الإصدار المذكور في الاسم.

ما الذي يعنيه هذا إذا كنت تختار اليوم

لا يقع Drex Max v1.1 على أي مسار نقدمه. ولا يدرجه كتالوج OrcaRouter، ولا ينبغي أن يُفهم أي شيء هنا على أنه ادعاء بالتوفر — إذ تبيعه Nace عبر واجهة API الخاصة بها ولوحة التحكم الخاصة بها، بسعر $0.03 لكل مليون توكن إدخال خلال فترة الإطلاق، بخصم 50% عن سعر قائمة قدره $0.06. أما ما يدرجه الكتالوج فهو المنافس الحالي الذي يُقاس عليه هذا النموذج: TypeSafe Jev 1.14 مسار مُدرج بسعر $0.042 لكل مليون توكن إدخال، بنفس بنية طلب الأسئلة المكتوبة ونتيجة 66.96 على لوحة القياس نفسها. تشغيل كليهما يعني عقدين ومجموعتي SDK، وهذه هي التكلفة الحقيقية للمقارنة التنافسية، وهو السبب المعتاد الذي يدفع الناس إلى وضع المقارنة خلف راوتر بدلاً من ذلك.

القراءة الأمينة لـ 73.4 أضيق من «أفضل نموذج قرار». إن Drex Max v1.1 هو أفضل نتيجة مركّبة على لوحة 45% منها خاصة وعمرها يومان، وهو أسرع نموذج عند تلك النتيجة بفارق كبير، وهو ثالث الأرخص على جبهة باريتو. وهو ليس الأكثر دقة، وليس الأكثر اتساقًا، وليس الأكثر استعدادًا للامتناع عن الإجابة. وأي من هذه الأربعة يهم يعتمد كليًا على ما إذا كان الإنسان يرى ذيل الثقة المنخفضة — وهذا السؤال ليس مطروحًا على أي لوحة صدارة.

ما الذي سيغيّر هذا التفسير: لوحة مستقلة ثانية تعيد إنتاج 73.4، أو نسخة v1.2 ترفع دقة HLE-MultiChoice فوق 12.77% الخاصة بـ Jev. لا يوجد أيٌّ منهما بعد. وإلى أن يوجد أحدهما، فالرقم الذي ينبغي اقتباسه هو 73.4 مع إلحاق كلمة «narrow» به.