
Drex Max v1.1 encabeza el Índice de Decisión — y los propios detalles del Consejo matizan la victoria
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 183 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 741 tok/s
- AlibabaNUEVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 407 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 119 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
Drex Max v1.1, el modelo de decisión multimodal de Nace.AI, ocupa el primer puesto en el Artificial Analysis Decision Index v2 con una puntuación de 73,4. El margen es de 0,56 puntos sobre GLiDE v1.2 de Fastino Labs, con 72,8, y de 0,94 sobre Mammoth 27B, con 72,4. Esos tres números son toda la historia de la cima de la tabla, y también son la razón por la que el titular necesita una segunda frase: esa misma evaluación indica que GLiDE es más preciso que Drex Max v1.1, y que Mammoth 27B mantiene la misma respuesta entre paráfrasis con mucha más frecuencia.
El modelo en sí no es nuevo hoy. La propia referencia de modelos de Nace enumera drex-max-v1.1 como publicado el 28 de octubre de 2026, y el id retirado drex-max ha sido atendido por v1.1 desde el 8 de noviembre. Lo nuevo es la medición. Artificial Analysis publicó Decision Index v2 el 8 de noviembre de 2026, dos días antes de este artículo, y es el primer panel independiente que puntúa este checkpoint frente al resto del campo de modelos de decisión con un mismo instrumento. Esa es la noticia: no un lanzamiento, sino el primer número externo para un modelo que solo había publicado el de su propio proveedor.
Lo que la junta directiva mide realmente ahora
Decision Index v2 es un instrumento distinto del que produjo el 64 que Drex Max llevaba en octubre, así que los dos no son comparables y nadie debería equipararlos. El índice v2 es una media ponderada de seis evaluaciones, y el 45 % ahora se basa en datos privados, frente al 25 % de la v1 —un movimiento deliberado contra el sobreajuste a los benchmarks.

• AA-Paperclip, 30 % del índice — 1.500 documentos privados (currículums, recibos, facturas, artículos de investigación), cada uno con cinco decisiones y diez datos que extraer, puntuado como un único documento que solo cuenta si las quince respuestas son correctas.
• EvalSafe-O*NET-AA, 15% — evaluación de documentos laborales, basada en el benchmark O*NET de TypeSafe.
• AA-Omniscience-Decision v1.1, 15% — conocimiento y alucinación, con la opción «No lo sé» reformulada de diez maneras distintas.
• HLE-MultiChoice v1.1, 15% — Humanity's Last Exam de opción múltiple, también con una opción para abstenerse.
• AA-Symmetry, 15% — 120 preguntas ampliadas a 440 variaciones mediante la reordenación de opciones, el intercambio de etiquetas y la negación de preguntas de sí/no.
• When2Call, 10 % — la evaluación de invocación de herramientas de NVIDIA, frente al 25 % de la v1.
La métrica principal también es nueva. Cada pregunta puntúa 50 × (1 + c − (p − c)²), donde p es la probabilidad que el modelo asignó a su respuesta y c indica si esa respuesta era correcta. En conjunto, eso equivale a 50 × (1 + exactitud − puntuación de Brier). A un modelo se le recompensa por acertar y por saber cuánto acierta, y se le penaliza más por un error cometido con confianza que por uno dubitativo. Eso importa aquí, porque la propuesta de Drex es la probabilidad calibrada en lugar de la prosa, y este es el primer tablero que puntúa la calibración directamente en vez de tratarla como una nota al pie.
Dónde gana Drex Max v1.1, por cuánto margen y contra quién
El compuesto oculta un campo dividido. Al descomponerlo, la ventaja de Drex Max v1.1 proviene de dos componentes de un total de seis, y uno de ellos es aquel para el que Nace construyó el modelo.
• AA-Paperclip (documentos) — Drex Max v1.1 obtiene 72.8 en la puntuación de decisión, con un 63.0% de documentos totalmente correctos; d1-ultra de Liquid AI está en 64.7 y 51.3%, Microsoft-Decision-1 en 51.8 y 20.9%.
• When2Call (llamada de herramientas): Drex Max v1.1 95.26 frente a los 84.39 de Jev 1.14 y los 87.95 de Microsoft-Decision-1, la mayor diferencia en una sola evaluación del conjunto de comparación.
• 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 está en 84.18, prácticamente a la par.
• AA-Omniscience-Decision — Drex Max v1.1 60.27, d1-ultra 64.39. Esta va en sentido contrario, y es la evaluación sobre saber cosas en lugar de decidir cosas.
• HLE-MultiChoice — Drex Max v1.1 46.61 frente a 44.47 de Jev 1.14, pero d1-ultra está en 47.39 y la precisión bruta es del 8.25% frente al 12.77% de Jev.
• Tiempo por tarea — 275 ms para Drex Max v1.1, 92 ms para Jev 1.14, 295 ms para d1-ultra. Drex es el modelo de decisión de escala frontera más rápido de la tabla y aproximadamente tres veces más lento que el modelo actual más económico de ejecutar.

Cuatro salvedades que publica la junta y el comunicado de prensa no
Artificial Analysis es inusualmente explícito sobre lo que no significa su propia puntuación máxima, y el artículo que anuncia la v2 dice cada uno de estos puntos en lenguaje sencillo.
Lo primero es la precisión. «GLiDE v1.2 supera a Drex Max v1.1 en las métricas de precisión (60 frente a 58), mientras que Drex Max v1.1 lleva una ligera ventaja en el Decision Index». Drex gana en la puntuación compuesta porque está mejor calibrado, no porque acierte más respuestas. Si tu pipeline descarta la probabilidad y solo conserva el argmax, te has quedado con la parte del modelo que el consejo no recompensó.
La segunda es la consistencia ante las paráfrasis. Mammoth 27B selecciona la misma respuesta entre las variaciones de AA-Symmetry en el 99 % de las preguntas; Drex Max v1.1 lo hace en el 91 %, GLiDE en el 88 %. Drex sigue muy por delante de donde estaba, y por delante de Jev, pero «la misma pregunta formulada de dos maneras obtiene la misma respuesta» es una propiedad que Mammoth tiene y que Drex no tiene del todo.
El tercero es la prueba de documentos de todo o nada. Drex Max v1.1 acierta el 97 % de las respuestas individuales en AA-Paperclip, pero solo aprueba el 63 % de los documentos, porque una respuesta incorrecta de quince hace que el documento no se apruebe. Toma las cinco decisiones correctamente en el 71 % de los documentos y las diez extracciones en el 88 %. Claude Haiku 5.5 (Max), un modelo de lenguaje de propósito general, aprueba el 92 %. La brecha entre el 97 % de las respuestas y el 63 % de los documentos es el costo de encadenar quince llamadas dependientes sin un verificador.
La cuarta es la abstención. En la evaluación de omnisciencia, d1-ultra se abstiene en lugar de adivinar en el 88,6 % de las preguntas que no puede responder; Drex Max v1.1, en el 65,3 %; Microsoft-Decision-1, en el 21,7 %. Drex es un modelo que prefiere dar una respuesta antes que abstenerse, lo cual está bien cuando una persona revisa la cola de baja confianza y resulta caro cuando nada lo hace.
La columna de costos es lo más fuerte que tiene Nace.
Costo por 1 millón de tareas en el mismo tablero: Celeris-1.1 Decision $14, Decider v1.2 $68, Drex Max v1.1 $102, d1-ultra $132, Microsoft-Decision-1 $142, Jev 1.14 $156, GLiDE v1.2 $780, Clef $859. Por encima de los modelos de decisión, GPT-6 Luna (Max) cuesta $1,530 y Claude Haiku 5.5 (Max) $6,240 por tres a cuatro puntos de índice.
Parte de esa diferencia es el precio de los tokens y parte es la estructura de facturación, y el panel las separa. Drex Max v1.1 y Decider v1.2 evalúan un documento una vez y responden cada pregunta a partir de esa única pasada, así que una tarea de AA-Paperclip usa aproximadamente 9.000 tokens de entrada. GLiDE v1.2 y Decider Flash v1.2 vuelven a facturar la entrada por cada pregunta, unos 63.000 tokens por tarea, que es como GLiDE acaba en $780 con un precio de lista de $0.04: casi ocho veces el coste de Drex con una tarifa de tokens un 33 % más alta. La propia tabla de Nace indica «$0.03 por cada 1.000 decisiones» y el panel indica $102 por cada millón de tareas; son unidades diferentes que miden cargas de trabajo distintas, y solo la segunda permite comparar entre modelos.
La página de producto de Nace también presenta como titular «118× más rápido que Claude Haiku 5.5 (Max)». Trátalo como una afirmación del proveedor basada en un denominador del proveedor. La unidad del tablero es el tiempo por tarea, donde Drex Max v1.1 es de 275 ms y el artículo de AA sitúa a GPT-6 Luna (Max) en 11,34 s — aproximadamente 40×. Ambos números pueden ser ciertos a la vez porque uno cuenta una sola decisión y el otro cuenta un documento completo de quince preguntas. Planifica la capacidad a partir de la cifra por tarea.
El id es la parte que romperá tu integración
Tres cosas en la documentación de Nace te costarán una tarde si las descubres después de conectar el cliente.
• drex-latest no apunta a un modelo Max. Se resuelve en drex-v2.0, una mezcla de expertos de pesos abiertos y solo texto que obtiene 63,43 en la misma tabla. Una solicitud que omite model por completo también la responde drex-v2.0. Si copiaste un inicio rápido que establece TYPESAFE_DEFAULT_MODEL=drex-latest —y las propias instrucciones de compatibilidad con Jev de Nace te dicen que lo hagas—, estás llamando al modelo equivocado y verás una caída de 10 puntos en el índice sin ningún error.
• drex-max queda retirado a partir del 8 de noviembre de 2026 y pasa a ser atendido por drex-max-v1.1 con los límites y el precio de la v1.1. Los clientes existentes siguen funcionando; la respuesta informa el id del sucesor. Los nuevos trabajos deben enviar drex-max-v1.1 de forma explícita.
• La cifra de contexto se indica dos veces, de forma diferente. La guía de la API dice 131.072 tokens por pregunta, contando los tokens de imagen; la referencia del modelo indica un límite de entrada de 262.144 tokens para toda la solicitud empaquetada, incluidos el estado, las ocho imágenes, todas las preguntas y el formato del modelo. Dimensione según la cifra menor a menos que haya probado la mayor.

Ninguno de estos es un defecto. Son los restos habituales del versionado in situ, y son la razón por la que la fecha de lanzamiento del modelo importa más que el número de versión en el nombre.
Qué significa esto si estás eligiendo hoy
Drex Max v1.1 no está en ninguna ruta que ofrezcamos. El catálogo de OrcaRouter no lo incluye, y nada de lo que aquí se dice debe interpretarse como una afirmación de disponibilidad: Nace lo vende a través de su propia API y su propia consola, a $0.03 por millón de tokens de entrada durante el periodo de lanzamiento, un 50 % de descuento sobre un precio de lista de $0.06. Lo que sí incluye el catálogo es el modelo vigente con el que se mide este modelo: TypeSafe Jev 1.14 es una ruta listada a $0.042 por millón de tokens de entrada, con la misma forma de solicitud de preguntas tipadas y un 66.96 en la misma tabla. Ejecutar ambos implica dos contratos y dos SDK, que es el coste real de una prueba comparativa, y es la razón habitual por la que la gente sitúa la comparación detrás de un router.
La lectura honesta de 73,4 es más limitada que «el mejor modelo de decisión». Drex Max v1.1 obtiene la mejor puntuación compuesta en una tabla de clasificación que es 45% privada y tiene dos días de antigüedad, es el modelo más rápido con esa puntuación por un amplio margen y es el tercero más barato en la frontera de Pareto. No es el más preciso, no es el más consistente y no es el más dispuesto a abstenerse. Cuál de esos cuatro aspectos importa depende por completo de si una persona ve la cola de baja confianza, y esa pregunta no está en ninguna tabla de clasificación.
Lo que cambiaría esta lectura: un segundo tablero independiente que reproduzca el 73.4, o una v1.2 que eleve la precisión de HLE-MultiChoice por encima del 12.77% de Jev. Ninguno existe todavía. Hasta que exista uno, la cifra que hay que citar es 73.4 con la palabra "narrow" adjunta.
