Une carte de titre générée pour Drex Max v1.1, sous-titrée « en tête de l'Artificial Analysis Decision Index v2, avec 0,56 point d'avance », avec des puces indiquant 73,4 pour le Decision Index, 275 ms par tâche, 102 $ par million de tâches et une limite de requête de 262 144 jetons, ainsi qu'une bande de classement affichant 73,4, 72,8 et 72,4 pour les trois meilleurs modèles de décision.
Guides & Insights

Drex Max v1.1 arrive en tête du Decision Index — mais les détails du conseil lui-même relativisent la victoire

Auteur

Gideon Frost

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Drex Max v1.1, le modèle de décision multimodal de Nace.AI, occupe la première place de l’Artificial Analysis Decision Index v2 avec un score de 73,4. L’écart est de 0,56 point par rapport à GLiDE v1.2 de Fastino Labs, à 72,8, et de 0,94 par rapport à Mammoth 27B, à 72,4. Ces trois chiffres résument tout le haut du classement, et ils expliquent aussi pourquoi le titre a besoin d’une deuxième phrase : la même évaluation indique que GLiDE est plus précis que Drex Max v1.1, et que Mammoth 27B conserve la même réponse d’une paraphrase à l’autre bien plus souvent.

Le modèle lui-même n’est pas nouveau aujourd’hui. Le référentiel de modèles de Nace lui-même indique que drex-max-v1.1 est sorti le 28 octobre 2026, et l’identifiant drex-max retiré reçoit des réponses de v1.1 depuis le 8 novembre. Ce qui est nouveau, c’est la mesure. Artificial Analysis a publié Decision Index v2 le 8 novembre 2026, deux jours avant cet article, et il s’agit du premier classement indépendant qui évalue ce checkpoint par rapport au reste du domaine des modèles de décision sur un même instrument. Voilà la nouvelle : non pas un lancement, mais le premier chiffre externe pour un modèle qui n’avait encore livré que celui de son fournisseur.

Ce que le conseil mesure réellement désormais

Decision Index v2 est un instrument différent de celui qui a produit le 64 que Drex Max a obtenu en octobre ; les deux ne sont donc pas comparables et personne ne devrait les mettre en regard. L’indice v2 est une moyenne pondérée de six évaluations, et 45 % de celui-ci repose désormais sur des données privées, contre 25 % dans la v1 — un choix délibéré pour contrer le surapprentissage aux benchmarks.

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 % de l’indice — 1 500 documents privés (CV, reçus, factures, articles de recherche), chacun comportant cinq décisions et dix faits à extraire, évalué comme un document unique qui ne compte que si les quinze réponses sont correctes.

• EvalSafe-O*NET-AA, 15 % — jugement sur documents professionnels, fondé sur le benchmark O*NET de TypeSafe.

• AA-Omniscience-Decision v1.1, 15 % — connaissances et hallucinations, avec l'option « Je ne sais pas » reformulée de dix manières.

• HLE-MultiChoice v1.1, 15 % — Humanity's Last Exam à choix multiples, avec également une option de refus.

• AA-Symmetry, 15 % — 120 questions portées à 440 variantes en réordonnant les options, en permutant les libellés et en niant les questions par oui/non.

• When2Call, 10 % — l’évaluation d’appel d’outils de NVIDIA, en baisse par rapport à 25 % dans la v1.

L’indicateur principal est nouveau lui aussi. Chaque question rapporte 50 × (1 + c − (p − c)²), où p est la probabilité que le modèle a attribuée à sa réponse et c indique si cette réponse était juste. Au global, cela donne 50 × (1 + exactitude − score de Brier). Un modèle est récompensé pour avoir vu juste et pour savoir à quel point il a vu juste, et il est davantage pénalisé pour une erreur assurée que pour une erreur hésitante. Cela compte ici, car le pitch de Drex repose sur des probabilités calibrées plutôt que sur de la prose, et c’est le premier classement qui évalue directement la calibration au lieu de la traiter comme une note de bas de page.

Où Drex Max v1.1 l’emporte, de combien, et contre qui

Le composite cache un champ divisé. Une fois décomposé, l’avantage de Drex Max v1.1 provient de deux composants sur six, et l’un d’eux est celui pour lequel Nace a conçu le modèle.

• AA-Paperclip (documents) — Drex Max v1.1 obtient 72,8 au score de décision, avec 63,0 % des documents entièrement corrects ; d1-ultra de Liquid AI est à 64,7 et 51,3 %, Microsoft-Decision-1 à 51,8 et 20,9 %.

• When2Call (appel d’outils) — Drex Max v1.1 95,26 contre 84,39 pour Jev 1.14 et 87,95 pour Microsoft-Decision-1, le plus grand écart sur une seule évaluation de l’ensemble de comparaison.

• 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 est à 84,18, pratiquement au même niveau.

• AA-Omniscience-Decision — Drex Max v1.1 60.27, d1-ultra 64.39. Celui-ci va dans l’autre sens, et il s’agit de l’évaluation qui porte sur la connaissance plutôt que sur la prise de décision.

HLE-MultiChoice — Drex Max v1.1 46,61 contre 44,47 pour Jev 1.14, mais d1-ultra est à 47,39 et la précision brute est de 8,25 % contre 12,77 % pour Jev.

• Temps par tâche — 275 ms pour Drex Max v1.1, 92 ms pour Jev 1.14, 295 ms pour d1-ultra. Drex est le modèle de décision à l’échelle de pointe le plus rapide du classement et environ trois fois plus lent que l’acteur en place le moins coûteux à exploiter.

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.

Quatre qualifications que le conseil publie et que le communiqué de presse ne publie pas

Artificial Analysis est inhabituellement explicite sur ce que son propre meilleur score ne signifie pas, et l’article annonçant la v2 énonce chacun de ces points en langage clair.

Le premier point est la précision. « GLiDE v1.2 devance Drex Max v1.1 sur les métriques de précision (60 contre 58), tandis que Drex Max v1.1 prend légèrement l’avantage sur le Decision Index. » Drex l’emporte sur le score composite parce qu’il est mieux calibré, et non parce qu’il obtient plus de bonnes réponses. Si votre pipeline jette la probabilité et ne conserve que l’argmax, vous avez acheté la partie du modèle que le conseil n’a pas récompensée.

La seconde est la cohérence face à la paraphrase. Mammoth 27B sélectionne la même réponse dans les variations d’AA-Symmetry pour 99 % des questions ; Drex Max v1.1 le fait pour 91 %, GLiDE pour 88 %. Drex reste bien au-dessus de son niveau antérieur, et devant Jev, mais « une même question formulée de deux façons obtient la même réponse » est une propriété que Mammoth possède et que Drex ne possède pas pleinement.

Le troisième est le test documentaire tout-ou-rien. Drex Max v1.1 obtient 97 % de réponses individuelles correctes sur AA-Paperclip, mais ne réussit que 63 % des documents, car une seule mauvaise réponse sur quinze fait échouer le document. Il prend correctement les cinq décisions sur 71 % des documents et réalise correctement les dix extractions sur 88 %. Claude Haiku 5.5 (Max), un modèle de langage généraliste, réussit 92 %. L'écart entre 97 % de réponses et 63 % de documents est le coût d'enchaîner quinze appels dépendants sans vérificateur.

Le quatrième est l’abstention. Lors de l’évaluation d’omniscience, d1-ultra refuse de répondre plutôt que de deviner pour 88,6 % des questions auxquelles il ne peut pas répondre ; Drex Max v1.1 pour 65,3 % ; Microsoft-Decision-1 pour 21,7 %. Drex est un modèle qui préfère prendre position plutôt que de s’abstenir, ce qui est acceptable lorsqu’un humain examine la queue des cas à faible confiance et coûteux quand rien ne le fait.

La colonne des coûts est l’atout le plus fort de Nace.

Coût pour 1 million de tâches sur le même tableau : 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 $. Au-dessus des modèles de décision, GPT-6 Luna (Max) coûte 1 530 $ et Claude Haiku 5.5 (Max) 6 240 $ pour trois à quatre points d’indice.

Une partie de cet écart tient au prix des tokens et une autre à la structure de facturation, et le tableau sépare les deux. Drex Max v1.1 et Decider v1.2 évaluent un document une seule fois et répondent à chaque question à partir de cette unique passe, si bien qu’une tâche AA-Paperclip utilise environ 9 000 tokens d’entrée. GLiDE v1.2 et Decider Flash v1.2 facturent à nouveau l’entrée pour chaque question, soit environ 63 000 tokens par tâche, ce qui explique que GLiDE arrive à $780 sur un prix catalogue de $0.04 — près de huit fois le coût de Drex avec un tarif par token supérieur de 33 %. Le propre tableau de Nace indique « $0.03 pour 1 000 décisions » et le tableau indique $102 pour 1 million de tâches ; ce sont des unités différentes qui mesurent des charges de travail différentes, et seul le second permet de comparer entre modèles.

La page produit de Nace affiche également en titre « 118× plus rapide que Claude Haiku 5.5 (Max) ». Considérez cela comme une affirmation de fournisseur sur un dénominateur de fournisseur. L’unité du tableau de bord est le temps par tâche, où Drex Max v1.1 est à 275 ms et l’analyse d’AA situe GPT-6 Luna (Max) à 11,34 s — environ 40×. Les deux chiffres peuvent être vrais simultanément, car l’un compte une seule décision et l’autre compte un document entier de quinze questions. Planifiez la capacité à partir du chiffre par tâche.

L'identifiant est la partie qui va casser votre intégration.

Trois choses dans la documentation de Nace vous coûteront un après-midi si vous les découvrez après avoir intégré le client.

• drex-latest ne pointe pas vers un modèle Max. Il résout vers drex-v2.0, un mélange d'experts à poids ouverts, texte uniquement, qui obtient 63,43 sur le même classement. Une requête qui omet entièrement le modèle reçoit également une réponse de drex-v2.0. Si vous avez copié un guide de démarrage rapide qui définit TYPESAFE_DEFAULT_MODEL=drex-latest — et les propres instructions de compatibilité Jev de Nace vous invitent à le faire — vous appelez le mauvais modèle et constaterez une baisse de 10 points de l'indice, sans aucune erreur.

• drex-max est retiré à compter du 8 novembre 2026 et est servi par drex-max-v1.1 dans les limites et au prix de la v1.1. Les clients existants continuent de fonctionner ; la réponse indique l’id du successeur. Les nouveaux travaux doivent envoyer explicitement drex-max-v1.1.

• Le chiffre du contexte est indiqué deux fois, de manière différente. Le guide de l’API indique 131 072 jetons par question, jetons d’image compris ; la référence du modèle indique une limite d’entrée de 262 144 jetons pour l’ensemble de la requête empaquetée, y compris l’état, les huit images, chaque question et le formatage du modèle. Prévoyez la taille selon le plus petit nombre, sauf si vous avez testé le plus grand.

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.

Aucun de ces éléments n’est un défaut. Ce sont les résidus ordinaires du versionnement en place, et c’est pourquoi la date de sortie du modèle compte plus que le numéro de version dans le nom.

Ce que cela signifie si vous choisissez aujourd’hui

Drex Max v1.1 ne figure sur aucune des routes que nous proposons. Le catalogue OrcaRouter ne le référence pas, et rien ici ne doit être lu comme une affirmation de disponibilité — Nace le vend via sa propre API et sa propre console, à 0,03 $ par million de tokens d'entrée pendant la période de lancement, soit 50 % de réduction sur un prix catalogue de 0,06 $. Ce que le catalogue référence, c'est le modèle en place auquel ce modèle est comparé : TypeSafe Jev 1.14 est une route répertoriée à 0,042 $ par million de tokens d'entrée, avec la même structure de requête à question typée et un 66,96 sur le même classement. Faire tourner les deux implique deux contrats et deux SDK, ce qui est le coût réel d'un comparatif, et c'est la raison habituelle pour laquelle on place plutôt la comparaison derrière un routeur.

La lecture honnête de 73,4 est plus étroite que celle de « meilleur modèle décisionnel ». Drex Max v1.1 affiche le meilleur score composite sur un classement privé à 45 % et vieux de deux jours ; c’est le modèle le plus rapide à ce score, et de loin ; et c’est le troisième moins cher sur la frontière de Pareto. Il n’est pas le plus précis, ni le plus constant, ni le plus enclin à s’abstenir. Lequel de ces quatre aspects compte dépend entièrement de la question de savoir si un humain voit la queue des prédictions à faible confiance — et cette question ne figure sur aucun classement.

Ce qui pourrait changer cette lecture : un second tableau de bord indépendant reproduisant le 73,4, ou une v1.2 qui porte la précision de HLE-MultiChoice au-delà des 12,77 % de Jev. Ni l'un ni l'autre n'existe encore. Tant que ce n'est pas le cas, le chiffre à citer est 73,4, assorti du mot « narrow ».