Drex Max يركّز على نموذج القرار — ويسعّر كل نقرة عند $0.06

وكيل استخدام الحاسوب ليس قرارًا واحدًا في الحقيقة. فحجز رحلة طيران يتطلب ثلاثين قرارًا منها: أي حقل ينقر، وأي نتيجة يفتح، وما إذا كانت أداة التقويم قد انتهت من العرض، وما إذا كانت الأجرة التي ينظر إليها هي التي يريدها. كل واحد من تلك القرارات يمثل دورة إرسال واستقبال للقطة شاشة، وإذا كان النموذج في الطرف الآخر نموذج محادثة من الطراز الأول، فإن كل قرار منها يكلف ثوانٍ وفاتورة نموذج من الطراز الأول. Drex Max، الذي أطلقته Nace.AI بإتاحة عامة في 19 أكتوبر 2026، محاولة لاختزال تلك الحسابات. فهو نموذج قرار لا نموذج محادثة — تعطيه شاشة ومجموعة من الخيارات محددة الأنواع، فتُرجع تمريرة أمامية واحدة احتمالًا لكل خيار. وتدرجه Nace بسعر 0.06 دولار لكل مليون رمز إدخال، وزمن وصول وسيط قدره 183 مللي ثانية، ولا رسوم إخراج على الإطلاق، لأنه لا يكتب شيئًا. إن إخفاقات الذكاء الاصطناعي وحوادث الوكلاء الموثقة الكامنة وراء إصدارات كهذا الإصدار مجموعة في OrcaRouter AI Incident Archive حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ومستوى ثقته وإشارة كونه محل نزاع.

المقارنة التي يضعها نيس إلى جانب ذلك هي TypeSafe J​ev 1.14، نموذج القرار الذي حدّد شكل طلب الفئة، والنماذج الحدودية عامة الأغراض التي يستخدمها الوكلاء اليوم. وفق جدول نيس المنشور، يبلغ ذلك 10.17 دولار لكل ألف قرار مع Claude Opus 5.5 ونحو 3.5 ثانية لكل قرار، مقابل 0.06 دولار و174 مللي ثانية لـ Drex Max على نفس أسئلة لقطات الشاشة الـ243. أرقام مورّدين، أُجريت ذاتيًا، ولم يدققها أحد خارج نيس — لكن رتبة الحجم هي المقصود، وهي السبب في أن هذا الإصدار يهم أكثر مما توحي به خانة المعيار الخاصة به.

ما الذي تم شحنه فعليًا

Drex Max هو أول طراز في سلسلة Drex مزوّد بمُرمِّز بصري. كان Drex 2.0 وDrex 1.5 يعملان بنصوص مدخلة واحتمالات مخرجة؛ أما Max فيقرأ لقطات الشاشة وتسجيلات الشاشة والمستندات الممسوحة ضوئيًا والمخططات والصور وإطارات الفيديو، ويجيب عن الأنواع الثلاثة نفسها من الأسئلة التي يجيب عنها سابقاه.

• معرّف النموذج — drex-max، مثبّت. لا أوزان مفتوحة؛ يُستضاف عبر واجهة برمجة التطبيقات الخاصة بـ Nace، دون نقطة تحقق قابلة للتنزيل.

• شكل الإدخال — state هي سلسلة نصية بالإضافة إلى كائن questions، ومصفوفة images تضم ما يصل إلى 8 صور لكل طلب. نقطة النهاية هي POST /v1/systemone، وهو نفس المسار الذي يستخدمه J​ev.

• أنواع الأسئلة — choice (خيارات مسماة، تُرجع احتمالًا لكل خيار)، noul (سؤال بنعم/لا، تُرجع P(true))، score (مستويات مرتبة، تُرجع مستوى متوقعًا وتوزيعًا). تشترك عدة أسئلة حول حالة واحدة في تمريرة واحدة.

• السياق — 131,072 رمزًا لكل سؤال، بما في ذلك رموز الصور، وفقًا لدليل واجهة البرمجة. وتذكر منشورة الإطلاق بشكل منفصل "نافذة سياق بسعة 262 ألف رمز". هذان الرقمان لا يتفقان، وهو أول ما يجب حسمه قبل تحديد حجم ذاكرة التخزين المؤقت لقطات الشاشة.

• السعر — 0.06 دولار لكل مليون رمز إدخال؛ ولا تتم محاسبة الإخراج. ويذكر Nace الرقم نفسه على أنه 0.06 دولار لكل ألف قرار، ما يعني نحو ألف رمز لكل استدعاء.

• الإصدارات السابقة — Drex 2.0 (بإجمالي 35B، ونحو 3B نشطة، مبني على Qwen3.6-35B-A3B، أوزان مفتوحة) بسعر $0.06 لكل ألف قرار، وDrex 1.5 (9B، نصي فقط) بسعر $0.04.

• النشر — مُدار على وحدات معالجة الرسومات الخاصة بـ Nace، أو مخصص، داخل حساب AWS أو Azure خاص بالعميل، أو معزول هوائيًا، وكل ذلك بعقد الطلب نفسه. عدم توفر الأوزان يعني عدم إمكانية الاستضافة الذاتية، لكنه لا يعني الاقتصار على SaaS.

لا شيء غريب في الواجهة. وهذا أمر متعمد: بنى Nace Drex Max ليكون متوافقًا على مستوى الاتصال مع J​ev SDK الخاص بـ TypeSafe، بحيث يظل @typesafe-ai/sdk يعمل مع تغيير عنوان URL الأساسي والمفتاح والنموذج الافتراضي. هذا التوافق ليس مجاملة لمنافس. فهكذا يُجرَّب الوافد الجديد — فأرخص ترحيل هو ذلك الذي يكون مجرد قيمة إعداد.

الجزء المختلف فعلًا: توزيع بدلًا من جملة

يجيب نموذج دردشة عن سؤال يتعلق باستخدام الحاسوب عبر كتابة طريقه إلى الإجابة. "بالنظر إلى الصفحة، يبدو أن نتائج البحث قد تم تحميلها، لذا يجب أن يكون الإجراء التالي هو النقر على النتيجة الثانية" — ثم تقوم أداة الاختبار الخاصة بك بتحليل تلك الجملة، أو كتلة JSON، وتأمل ألا يكون النموذج قد اختار خيارًا لم تعرضه قط. تُدفع تكلفة ذلك التصميم مرتين: مرة في رموز الإخراج، ومرة في المحلل الذي يجب عليك صيانته لأن النموذج قد يتوهم وجود زر غير موجود على الشاشة.

لا يستطيع Drex Max فعل ذلك. فهو يعيد احتمالًا على الخيارات التي قدّمتها ولا شيء غير ذلك. وإذا قدّمت خمسة مرشحين قابلين للنقر، فستحصل على خمسة أرقام مجموعها واحد. هذه قدرة أضيق، وهي أنسب بكثير لحلقة تكرارية، لثلاثة أسباب تكون أكثر أهمية في بيئة الإنتاج منها في العرض التجريبي.

الأول هو التحديد بعتبة. يتيح لك التوزيع الاحتمالي كتابة القاعدة التي تريدها فعلاً: تصرّف عندما يتجاوز الخيار الأعلى عتبة 0.9، وصعّد إلى نموذج أبطأ أو إلى إنسان عندما لا يفعل. أما النموذج التوليدي فيمنحك جملة وحقل ثقة يعني شيئًا مختلفًا تمامًا — عادةً مدى تَذَرُّو توزيع الرموز، لا مدى احتمال أن تكون الإجابة صحيحة.

الثاني هو سلوك الفشل. الوكيل الذي لا يستطيع الإجابة إلا بالخيارات المعلنة لا يمكنه اختراع زر سادس. قد يكون مخطئًا، وقد يكون سيئ المعايرة، لكنه لا يستطيع إنتاج إجراء لا تعرف أداة الاختبار لديك كيفية تنفيذه.

الثالث هو الجانب الاقتصادي. فبما أنه لا توجد رموز إخراج، فإن تكلفة تقييم عشرة خيارات تساوي تكلفة تقييم خيارين. ويتمثل إطار نايس في أن هذا يجعله رخيصًا بما يكفي لاستدعائه عند كل خطوة، وبسعر 0.06 دولار لكل ألف استدعاء تصحّ الحسابات: حتى مهمة مهملة من ثلاثين خطوة تكلّف أقل من عُشرَي سنت في القرارات. أما المهمة نفسها مقابل Opus 5.5، وفق رقم نايس لكل قرار، فستكلّف نحو ثلاثين سنتًا — ليس أمرًا كارثيًا، لكنه ثلاثون ضعف سعر الشيء الذي يفعله.

جدول المعايير، ولمن تعود هذه الأرقام

كل رقم أدناه يأتي من منشور إطلاق Nace. إن Decision Index 0.3.2 لوحة صدارة عامة لمعايير قياس بأسلوب اتخاذ القرار، لكن تشغيل Drex Max عليها هو تشغيل Nace نفسه، باستخدام العدة الرسمية، ولم يُعِد إنتاجه أحد خارج Nace. كما أن درجة "Full" في اللوحة تمزج اختبارات خاصة ليست جزءًا من هذا التشغيل. تعامل مع شكل النتائج على أنه مفيد، ومع المنازل العشرية على أنها تسويق.

العنوان الرئيسي هو مؤشر قرار عام عند 67.6، مقابل 61.3 لـ Drex 2.0، و58.1 لـ Drex 1.5، و60.7 لـ J​ev 1.14، و47.8 لـ GPT-6 Luna Decisions. وفي مؤشر الرؤية المرافق — الرقم المهم لنموذج تتمثل نقطة بيعه في القدرة على الرؤية — يسجل Drex Max 74.5 مقابل 63.9 لـ Luna.

• Mind2Web — 88.6 مقابل 81.2 لـ GPT-6 Luna Decisions، وهو الصف الأكثر ارتباطًا المباشر بوكلاء المتصفح.

• OSWorld-Verified — 0.780 مقابل 0.756 لـ GPT-6 Sol و0.790 لـ Claude Opus 5.5. يتفوق Drex Max على الأول ويخسر بفارق ضئيل أمام الثاني.

• OSWorld-V2 — 0.737 مقابل 0.744 لـ Sol و0.761 لـ Opus 5.5. نفس القصة، مع فارق أوسع قليلاً.

• استدعاء الأدوات في BFCL — 98.2، متقدّمًا على J​ev 1.14 بنتيجة 96.4 وعلى Claude Opus 5.5 بنتيجة 97.3، ولم يتقدّمه سوى GPT-6 Sol.

• DecideBench — 98.5 في العناصر و97.0 في الأزواج، وكلاهما متقدمان على J​ev 1.14.

• قرارات الأعمال مقابل J​ev 1.14 — FinEntity 92.3 مقابل 81.9، BANKING77 90.0 مقابل 79.7، ContractNLI 75.9 مقابل 57.7.

تستحق صفوف OSWorld تحفظًا لا يوضحه جدول Nace صراحةً. فthose الدرجات تصف حزمة أتمتة كاملة، وليس موثقًا كم من الحلقة المحيطة بـ Drex Max كان أيضًا من إطار الاختبار الخاص بـ Nace. نموذج القرار الذي يختار الإجراء التالي جيدًا يظل معتمدًا على whatever يلتقط لقطة الشاشة، وينتظر عمليات العرض، ويقرر متى تكون المهمة منتهية. اقرأ 0.780 كدليل على أن القرارات ليست عنق الزجاجة، لا كوعد بشأن وكيلك.

حيث يخسر، وهو النصف الأكثر فائدة من الجدول

الخسائر ليست مطمورة، لكن يسهل تجاوزها بنظرة سريعة، واثنتان منها تصفان حدودًا حقيقية لا مجرد تشويش تقريب.

في المعرفة العامة والاستدلال الصعب، نماذج القرار ببساطة ليست قادرة على منافسة نماذج الدردشة الرائدة، ولا يغيّر Drex Max ذلك. درجة MMLU-Pro هي 72.5، متأخرة عن 82.1 لدى J​ev 1.14، و93.0 لدى Sol، و94.0 لدى Opus 5.5. أما HLE فهي 19.0 مقابل 19.4 لدى J​ev — تعادل عند الحد الأدنى من النطاق في كلتا الحالتين. هذا متوقع لنموذج تتمثل مهمته في الاختيار من قائمة قصيرة عند عرض شاشة، وهو السبب في أن نموذج القرار مكوّن داخل وكيل، وليس بديلاً عن النموذج الذي يخطط.

الأكثر إثارة للاهتمام هو التراجع مقارنة بسابقه. في When2Call، الذي يسأل عمّا إذا كان استدعاء أداة مبرَّرًا أصلًا، يسجّل Drex Max نتيجة 85.2 بينما يحقق Drex 2.0 نتيجة 86.5، ويسجّل Drex 1.5 الأقدم والأرخص نتيجة 89.7. أحدث طرازات Drex وأغلاها هو الأسوأ بين الثلاثة في معرفة متى لا ينبغي التصرف. إذا كانت سير عملك تعتمد على ضبط النفس — وكيل دعم ينبغي أن يلتزم الصمت بدلًا من استدعاء أداة استرداد — فإن قدرة الرؤية لا تمنحك ذلك، وقد يظل نموذج نصي أرخص هو الخيار الصحيح.

يظهر النمط نفسه في صفين من صفوف الرؤية يسيران في الاتجاه المعاكس. فـ KIE، أي استخراج المعلومات الأساسية من النماذج الممسوحة ضوئيًا، يسجل 95.5 مقابل 97.5 لـ Luna. أما الإشراف على Hateful Memes فيسجل 70.6 مقابل 71.2. ولا تُعد أي من الفجوتين كبيرة، وكلتاهما تقعان في مجالات يبلغ فيها تفوق Drex Max في مواضع أخرى ثلاثين نقطة، مما يشير إلى أن مُرمِّز الرؤية مدرَّب على تخطيطات الشاشات والرسوم البيانية بدلًا من النماذج المطبوعة أو الميمات.

تأخّر زمن الاستجابة أيضًا. متوسط 183 مللي ثانية لدى Drex Max أبطأ بـ32 مللي ثانية من Drex 2.0 وبـ38 مللي ثانية من Drex 1.5. وفي حلقة تُنفَّذ ثلاثين مرة لكل مهمة، يعني ذلك نحو ثانية إضافية لكل مهمة، مقابل عدة ثوانٍ تُوفَّر في كل خطوة مقارنةً بنموذج متقدم. لا تزال المقايضة صائبة، لكن يجدر العلم بأن مُرمِّز الرؤية ليس مجانيًا.

ثمة رقم واحد يحتاج إلى فصل قبل أن يُقتبَس عليك. الـ174 مللي ثانية في الفقرة الافتتاحية هي قياس Nace المقتصر على لقطات الشاشة — 243 سؤالًا صوريًا، طلب واحد في كل مرة، مقابل 253 مللي ثانية لـ J​ev 1.14 على المجموعة نفسها. أما الـ183 مللي ثانية فهي الوسيط عبر مجموعة الاختبارات الكاملة في جدول الإطلاق. كلاهما لـ Nace؛ وهما قياسان مختلفان، والقياس الأكثر إطراءً هو الأضيق نطاقًا.

فخّان في API قبل أن تبدأ بتوصيل أي شيء

تحتوي الوثائق على تفصيل سيكلف شخصًا ما بعد ظهر كامل إذا تصفّحها تصفّحًا سريعًا. drex-latest لا يشير إلى Drex Max. إنه نقطة تحقق مثبّتة، والاسم المستعار يُحلّ إلى شيء آخر. أي شخص يتبع دليل البدء السريع، ويستبدل مفتاحه ويضبط TYPESAFE_DEFAULT_MODEL=drex-latest — وهو بالضبط ما تخبره تعليمات توافق J​ev بفعله — سيكون يستدعي نموذجًا نصيًا فقط ويتساءل لماذا تُتجاهل لقطات شاشته.

الفخ الثاني هو الحجم. يحدّد دليل API سقف الطلبات عند ثماني صور و131,072 رمزًا لكل سؤال بما في ذلك رموز الصور؛ بينما يعلن منشور الإطلاق عن 262K. وإلى أن يوفّق Nace بين الرقمين، احسب على الرقم الأصغر. لا توجد تكلفة منشورة لرموز كل صورة، مما يجعل من الصعب تقدير السقف مسبقًا: فلقطة الشاشة بالدقة الكاملة ليست عددًا ثابتًا من الرموز، ولا توضح المستندات كيفية تغيير حجم الصور أو تجزئتها.

شيء واحد أسهل من الحل الحالي: يقبل Drex Max لقطات شاشة بأي أبعاد. ترفض واجهة برمجة تطبيقات J​ev 1.14 الصور التي يقل أحد أضلاعها عن 280 بكسل أو يزيد على 1,568 بكسل، وهو نوع القيد الذي يظهر كفشل صامت في حلقة إعادة المحاولة عند الساعة 2 صباحًا.

ماذا يفعل هذا بقرار التوجيه

السؤال العملي ليس ما إذا كان Drex Max أفضل من نموذج متقدّم. فهو ليس كذلك، ولا يسعى إلى أن يكون. السؤال هو أيّ من القرارات الثلاثين في مهمة ما يستحق نموذجًا متقدّمًا وأيّها يستحق توزيعًا احتماليًا بزمن 174 مللي ثانية، وهذه مسألة توجيه قبل أن تكون مسألة نموذج.

Drex Max ليس على قائمة مساراتنا. كتالوج OrcaRouter لا يتضمنه، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء توفر من جانبنا — إذ يبيعه Nace عبر واجهة برمجة التطبيقات الخاصة به ولوحة التحكم الخاصة به. ما نقدمه فعلاً هو المنافس الحالي الذي يُقاس عليه. TypeSafe Jev 1.13 مسار مدرج بسعر 0.042 دولار لكل مليون توكن إدخال عبر سياق من 65,536 توكن، ويُقدَّم عبر نفسPOST /v1/systemone جسم الطلب، لذا فإن مقارنة A/B بين نموذج قرار وحلقتك الحالية من لقطة الشاشة إلى النموذج المتقدم تصبح مجرد سلسلة نموذج بدلاً من إعادة كتابة. الطريقة الرخيصة لحسم هذا هي إبقاء استدعاءات القرار النصية فقط في مكانها، وإضافة خطوة لقراءة الشاشة بجانبها للمهام التي تحتاج إلى عيون، وقياس كليهما مقابل سجلاتك الخاصة بدلاً من 140,178 طلبًا مُقيّمًا لدى Nace.

هذا النوع من التقسيم لا ينجح إلا إذا كانت الأجزاء يمكن الوصول إليها من مكان واحد. مفتاح واحد عبر أكثر من 200 نموذج، سعر قائمة المزوّد يُمرَّر كما هو دون أي هامش لكل رمز، والتبديل التلقائي عند الفشل بين المزوّدين هو ما يمنع التجربة من التحول إلى فرع قديم بمجرد أن ينتقل الشخص الذي أعدّها إلى فريق آخر. وهذا مهم هنا لسبب محدد: Drex Max جديد وغير مُدقَّق ومتاح عبر API فقط، والطريقة الآمنة لتبني مكوّن غير مُثبَت هي وضعه خلف شيء يمكنه الرجوع إلى نموذج معروف عندما تقل ثقته أو تسيء نقطة النهاية التصرف. وجّه القرارات ذات الثقة العالية إلى النموذج الرخيص ودع التبديل التلقائي عند الفشل يتعامل مع الباقي.

ما الذي قد يغير هذه القراءة؟

التشغيل المستقل لـ Decision Index هو أول ما يجب فعله. المجموعة متاحة للعموم، ويقول Nace إن التقييمات قابلة لإعادة الإنتاج، وإلى أن يقوم شخص من خارج الشركة بتشغيل Drex Max عليها، فإن 67.6 رقم مورّد. الخلايا التي يجب مراقبتها عندما يحدث ذلك هي تلك التي تشير في اتجاهين متعاكسين: تقدّم بـ30 نقطة على Mind2Web إلى جانب تراجع في When2Call ليس منحنى قدرات سلسًا، بل يصف نموذجًا دُرّب بقوة على «أيٌّ من هذه هو النقرة التالية» وبدرجة أقل على «هل ينبغي أن أنقر أي شيء». إذا صمد ذلك، فهو الحقيقة الأكثر أهمية من الناحية التشغيلية عن Drex Max وليست ضمن أبرز النقاط.

زمن الاستجابة في الإنتاج تحت التزامن هو النقطة الثانية. رقم الإنتاجية الخاص بـ Nace نفسه — نحو 25 طلبًا في الثانية على نسخة H100 واحدة، دون أخطاء حتى 64 طلبًا قيد التنفيذ — يخص Drex عمومًا، وليس Max تحديدًا. الفكرة الأساسية للتصميم بأكمله هي أنه يقع في المسار الساخن عند كل خطوة، مما يجعل p95 تحت الحمل أكثر أهمية بكثير من وسيط قدره 183 مللي ثانية، ولا يتناول ذلك أي شيء منشور.

ثالثًا، تحتاج التسعيرة إلى مثال عملي تتضمنه صور. فسعر 0.06 دولار لكل مليون رمز إدخال لا يفيد إلا إذا كنت تعرف كم يكلّف رمزٌ واحدٌ لقطةَ شاشة، ولا يوجد رقم منشور يقدّم ذلك. والفريق الذي يضع ميزانية لحلقة من 30 خطوة مع شاشة بدقة 1440p في كل خطوة إنما يخمّن حتى تنشر Nace حساب الصور أو يقيسه أحد.

لا شيء من ذلك يجعل الإصدار أقل إثارة للاهتمام. فنموذج القرار الذي يرى هو مكوّن مختلف حقًا عن نموذج محادثة يُطلب منه النظر إلى لقطة شاشة، والفجوة السعرية كبيرة بما يكفي لتغيّر ما يستطيع الوكيل تحمّل تكلفته في كل خطوة. غير أنه ليس بعد رقمًا تحقّق منه أي شخص خارج Nace — والجزء من جدول الأسعار الذي يصمد عند التلامس مع نشر حقيقي سيكون على الأرجح الجزء الذي لا يذكره أحد كسعر.