Drex Max שם את עיניו על מודל קבלת ההחלטות — ומתמחר כל קליק ב-$0.06

סוכן שימוש במחשב אינו באמת החלטה אחת. הזמנת טיסה היא שלושים כאלה: באיזה שדה ללחוץ, איזו תוצאה לפתוח, האם ווידג'ט היומן סיים לרנדר, והאם המחיר שהוא מסתכל עליו הוא זה שהוא רוצה. כל אחד מאלה הוא סבב צילום מסך הלוך ושוב, ואם המודל בצד השני הוא מודל צ'אט חזיתי, כל אחד מהם עולה שניות וחשבון של מודל חזיתי. Drex Max, ש-Nace.AI השיקה כזמינה באופן כללי ב-19 באוקטובר 2026, הוא ניסיון לכווץ את החשבון הזה. זהו מודל החלטה ולא מודל צ'אט — אתם נותנים לו מסך וקבוצה של אפשרויות מוקלדות, ומעבר קדימה אחד מחזיר הסתברות לכל אפשרות. Nace מציינת אותו במחיר של $0.06 למיליון טוקני קלט, בהשהיה חציונית של 183 מ״ש, וללא חיוב על פלט כלל, כי הוא לא כותב דבר. הכשלים המתועדים של AI ותקריות הסוכנים שמאחורי מהדורות כמו זו מרוכזים בOrcaRouter AI Incident Archive שבו כל ערך נושא מקורות משלו, חומרה, דירוג ביטחון וסימון שנוי במחלוקת.

ההשוואה ש-Nace מציב לצד זה היא TypeSafe J​ev 1.14, מודל ההחלטות שהגדיר את צורת הבקשה של הקטגוריה, ומודלי החזית לשימוש כללי שאג'נטים משתמשים בהם היום. לפי הטבלה ש-Nace פרסם בעצמו, מדובר ב-$10.17 לאלף החלטות עבור Claude Opus 5.5 ובכ-3.5 שניות להחלטה, לעומת $0.06 ו-174 ms עבור Drex Max על אותן 243 שאלות צילום מסך. מספרי ספק, בהרצה עצמית, ללא ביקורת מצד איש מחוץ ל-Nace — אבל סדר הגודל הוא העיקר, וזו הסיבה שהשחרור הזה חשוב יותר משורת הבנצ'מרק שלו.

מה שנשלח בפועל

Drex Max הוא המודל הראשון בסדרת Drex עם מקודד חזותי. Drex 2.0 ו-Drex 1.5 קיבלו טקסט ופלטו הסתברות; Max קורא צילומי מסך, הקלטות מסך, מסמכים סרוקים, תרשימים, תמונות ופריימים מווידאו, ועונה על אותם שלושה סוגי שאלות כמו קודמיו.

• מזהה מודל — drex-max, מוצמד. אין משקלים פתוחים; מתארח דרך ה-API של Nace עצמו, ללא נקודת ביקורת להורדה.

• מבנה הקלט — state כמחרוזת, יחד עם questions כאובייקט, ומערך images של עד 8 תמונות בכל בקשה. נקודת הקצה היא POST /v1/systemone, אותו נתיב שבו J​ev משתמש.

• סוגי שאלות — choice (אפשרויות עם שמות, מחזיר הסתברות לכל אפשרות), noul (שאלת כן/לא, מחזיר P(true)), score (רמות מסודרות, מחזיר רמה צפויה והתפלגות). מספר שאלות על מצב אחד חולקות מעבר יחיד.

• הקשר — 131,072 טוקנים לכל שאלה כולל טוקני תמונה, לפי מדריך ה-API. בפוסט ההשקה נאמר בנפרד "חלון הקשר של 262K טוקנים." שני המספרים האלה אינם תואמים, וזה הדבר הראשון שצריך לפתור לפני שמגדירים גודל חוצץ לצילומי מסך.

• מחיר — $0.06 למיליון טוקני קלט; הפלט אינו מחויב בתשלום. Nace מצטטת את אותו נתון כ-$0.06 לאלף החלטות, מה שמרמז על כאלף טוקנים בקריאה.

• קודמים — Drex 2.0 (35B סה״כ, כ-3B פעילים, מבוסס על Qwen3.6-35B-A3B, משקולות פתוחות) ב-$0.06 לאלף החלטות, ו-Drex 1.5 (9B, טקסט בלבד) ב-$0.04.

• פריסה — מנוהלת על ה-GPUs של Nace, ייעודית, בתוך חשבון AWS או Azure של לקוח, או מנותקת מרשת, כולן עם אותו חוזה בקשות. היעדר משקלים משמעו שאין אירוח עצמי, אך אין זה אומר SaaS בלבד.

אין שום דבר אקזוטי בממשק. זה מכוון: Nace בנה את Drex Max כך שתהיה תואמת-חוטים ל-SDK של Jev מבית TypeSafe, כך ש-@typesafe-ai/sdk ימשיך לעבוד עם שינוי בכתובת הבסיס, במפתח ובמודל ברירת המחדל. התאימות אינה מחווה ליריב. כך מצטרף חדש זוכה לניסיון — ההגירה הזולה ביותר היא זו שהיא ערך קונפיגורציה.

החלק שבאמת שונה: התפלגות במקום משפט.

מודל צ׳אט עונה על שאלת שימוש במחשב בכך שהוא כותב את דרכו לתשובה. "אם מסתכלים על העמוד, נראה שתוצאות החיפוש נטענו, לכן הפעולה הבאה צריכה להיות לחיצה על התוצאה השנייה" — ואז ההרנס שלך מנתח את המשפט הזה, או גוש JSON, ומקווה שהמודל לא בחר אפשרות שמעולם לא הצעת. המחיר של התכנון הזה משולם פעמיים: פעם בטוקני פלט, ופעם במנתח שאתה צריך לתחזק כי המודל יכול להזות כפתור שאינו על המסך.

Drex Max לא יכול לעשות זאת. הוא מחזיר הסתברות על האפשרויות שסיפקת ולא דבר אחר. אם תציע חמישה מועמדים ניתנים ללחיצה, תקבל חמישה מספרים שסכומם אחד. זו יכולת צרה יותר והתאמה הרבה יותר טובה ללולאה, משלוש סיבות שחשובות יותר בפרודקשן מאשר בדמו.

הראשון הוא קביעת סף. התפלגות הסתברות מאפשרת לך לכתוב את הכלל שאתה באמת רוצה: לפעול כאשר האפשרות המובילה עוברת את 0.9, ולהסלים למודל איטי יותר או לאדם כאשר היא לא. מודל גנרטיבי נותן לך משפט ושדה ביטחון שהמשמעות שלו שונה לחלוטין — בדרך כלל עד כמה התפלגות הטוקנים הייתה מחודדת, ולא עד כמה סביר שהתשובה נכונה.

השנייה היא התנהגות כשל. סוכן שיכול להשיב רק באמצעות אפשרויות מוצהרות אינו יכול להמציא כפתור שישי. הוא יכול לטעות, וכיולו יכול להיות לקוי, אבל הוא אינו יכול ליצור פעולה שההרנס שלך אינו יודע לבצע.

הדבר השלישי הוא הכלכלה. מכיוון שאין טוקנים של פלט, העלות של דירוג עשר אפשרויות זהה לזו של דירוג שתיים. התפיסה של Nace היא שזה הופך את זה לזול מספיק כדי לקרוא לזה בכל שלב, ובתעריף של $0.06 לאלף קריאות החשבון מסתדר: אפילו משימה מרושלת בת שלושים שלבים עולה פחות משתי עשיריות הסנט בהחלטות. אותה משימה מול Opus 5.5, לפי נתון העלות לכל החלטה של Nace, תעלה כשלושים סנט — לא קטלני, אבל פי שלושים מהמחיר של הדבר שהיא עושה.

טבלת הבנצ'מרק, ולמי שייכים המספרים האלה

כל נתון להלן מגיע מפוסט ההשקה של Nace. Decision Index 0.3.2 הוא לוח דירוג ציבורי של מבחני ייחוס בסגנון קבלת החלטות, אך ההרצה של Drex Max עליו היא של Nace עצמו, באמצעות ערכת הכלים הרשמית, ואיש מחוץ ל-Nace לא שחזר אותה. ציון "Full" של הלוח גם מערבב מבחנים פרטיים שאינם חלק מההרצה הזו. התייחסו לצורת התוצאות כאל אינפורמטיבית ולמקומות העשרוניים כאל שיווק.

הכותרת היא Decision Index ציבורי של 67.6, לעומת 61.3 עבור Drex 2.0, 58.1 עבור Drex 1.5, 60.7 עבור J​ev 1.14 ו-47.8 עבור GPT-6 Luna Decisions. ב-Vision Index הנלווה — המספר שחשוב למודל שנקודת המכירה שלו היא היכולת לראות — Drex Max משיג 74.5 לעומת 63.9 של Luna.

• Mind2Web — 88.6 לעומת 81.2 עבור GPT-6 Luna Decisions, השורה הרלוונטית ביותר ישירות לסוכני דפדפן.

• OSWorld-Verified — 0.780 לעומת 0.756 של GPT-6 Sol ו-0.790 של Claude Opus 5.5. Drex Max גובר על הראשון ומפסיד בפער קטן לשני.

• OSWorld-V2 — 0.737 לעומת 0.744 של Sol ו-0.761 של Opus 5.5. אותו סיפור, פער מעט רחב יותר.

• קריאת כלים של BFCL — 98.2, לפני 96.4 של J​ev 1.14 ולפני 97.3 של Claude Opus 5.5, מאחורי GPT-6 Sol בלבד.

• DecideBench — 98.5 בפריטים ו-97.0 בזוגות, שניהם מקדימים את J​ev 1.14.

• החלטות עסקיות לעומת J​ev 1.14 — FinEntity 92.3 לעומת 81.9, BANKING77 90.0 לעומת 79.7, ContractNLI 75.9 לעומת 57.7.

השורות של OSWorld טעונות הסתייגות שהטבלה של Nace אינה מפרטת. הציונים האלה מתארים מחסנית אוטומציה מלאה, ולא מתועד כמה מהלולאה סביב Drex Max היה גם הארנס של Nace עצמו. מודל קבלת החלטות שבוחר היטב את הפעולה הבאה עדיין תלוי במה שמצלם את המסך, ממתין לרינדורים ומחליט מתי המשימה הושלמה. יש לקרוא את 0.780 כראיה לכך שההחלטות אינן צוואר הבקבוק, ולא כהבטחה לגבי הסוכן שלך.

במקום שבו זה מפסיד, שזה החצי השימושי יותר של הטבלה

ההפסדים אינם קבורים, אך קל לפספס אותם בקריאה חטופה, ושניים מהם מתארים מגבלות ממשיות ולא רעש עיגול.

בידע כללי ובחשיבה קשה, מודלי ההחלטה פשוט אינם תחרותיים מול מודלי צ'אט חזיתיים, ו-Drex Max לא משנה זאת. MMLU-Pro הוא 72.5, אחרי 82.1 של J​ev 1.14, 93.0 של Sol ו-94.0 של Opus 5.5. HLE הוא 19.0 לעומת 19.4 של J​ev — תיקו בתחתית הטווח כך או כך. זה צפוי ממודל שתפקידו לבחור מרשימה קצרה בהינתן מסך, וזו הסיבה שמודל החלטה הוא רכיב בסוכן, ולא תחליף למודל שמתכנן.

מעניין יותר הוא הרגרסיה לעומת קודמו. ב-When2Call, שבוחן אם בכלל מוצדקת קריאה לכלי, Drex Max מקבל 85.2 בעוד Drex 2.0 מסתפק ב-86.5 ו-Drex 1.5 הוותיק והזול יותר מקבל 89.7. המודל החדש והיקר ביותר של Drex הוא הגרוע מבין השלושה בלדעת מתי לא לפעול. אם זרימת העבודה שלך תלויה באיפוק — סוכן תמיכה שאמור לשתוק במקום לקרוא לכלי להחזר כספי — יכולת הראייה לא קונה לך את זה, ומודל טקסט זול יותר עשוי עדיין להיות הבחירה הנכונה.

אותה תבנית מופיעה בשתי שורות ראייה שהולכות בכיוון ההפוך. KIE, חילוץ מידע מרכזי מטפסים סרוקים, הוא 95.5 לעומת 97.5 של Luna. מודרציה של Hateful Memes היא 70.6 לעומת 71.2. אף אחד מהפערים אינו גדול, ושניהם נמצאים בתחומים שבהם היתרון של Drex Max במקומות אחרים הוא ברוחב שלושים נקודות, מה שמרמז שמקודד הראייה מאומן לכיוון פריסות מסך ותרשימים ולא טפסים מודפסים או מימים.

גם השיהוי נע בכיוון ההפוך. החציון של Drex Max, 183 מילישניות, איטי ב־32 מילישניות מזה של Drex 2.0 וב־38 מילישניות מזה של Drex 1.5. בלולאה שרצה שלושים פעמים לכל משימה, מדובר בתוספת של כשנייה לכל משימה, לעומת כמה שניות שנחסכות בכל צעד לעומת מודל חזית. עדיין פשרה נכונה, אבל כדאי לדעת שמקודד הראייה לא בחינם.

מספר אחד צריך להפריד לפני שמצטטים אותו בפניך. ה-174 ms בפסקת הפתיחה הוא המדידה של Nace שמבוססת על צילום מסך בלבד — 243 שאלות תמונה, בקשה אחת בכל פעם, לעומת 253 ms עבור J​ev 1.14 על אותה קבוצה. ה-183 ms הוא החציון על פני כל חבילת הבנצ'מרקים בטבלת ההשקה. שניהם של Nace; אלו מדידות שונות, והמחמיאה היא הצרה יותר.

שתי מלכודות ב-API לפני שאתם מחברים משהו

התיעוד מכיל פרט שיעלה למישהו אחר צהריים שלם אם רק יעיף בו מבט חטוף. drex-latest אינו מצביע על Drex Max. זהו checkpoint מוצמד, והכינוי מפנה למשהו אחר. כל מי שעוקב אחרי ה-quickstart, מכניס את המפתח שלו ומגדיר TYPESAFE_DEFAULT_MODEL=drex-latest — שזה בדיוק מה שהוראות התאימות של J​ev אומרות לו לעשות — יקרא למודל טקסט בלבד ויתהה מדוע מתעלמים מצילומי המסך שלו.

המלכודת השנייה היא הגודל. מדריך ה-API מגביל בקשות לשמונה תמונות ול-131,072 טוקנים לכל שאלה, כולל טוקנים של תמונות; פוסט ההשקה מפרסם 262K. עד ש-Nace יאחד את השניים, תקצב לפי הנתון הקטן יותר. אין עלות טוקנים מפורסמת לכל תמונה, מה שמקשה להעריך את המגבלה מראש: צילום מסך ברזולוציה מלאה אינו מספר קבוע של טוקנים, והתיעוד אינו מפרט כיצד תמונות משתנות בגודלן או מחולקות לאריחים.

דבר אחד שקל יותר מאשר אצל המתחרה הקיים: Drex Max מקבל צילומי מסך בכל ממד. ה-API של J​ev 1.14 דוחה תמונות שצד כלשהו בהן קטן מ-280 px או גדול מ-1,568 px, וזה מסוג האילוצים שמתגלים ככשל שקט בלולאת ניסיונות חוזרים בשעה 2 לפנות בוקר.

מה זה עושה להחלטת ניתוב

השאלה המעשית אינה אם Drex Max טוב יותר ממודל חזית. הוא לא, והוא גם לא מנסה להיות. השאלה היא אילו משלושים ההחלטות במשימה ראויות למודל חזית ואילו ראויות להתפלגות הסתברות של 174 ms, וזו בעיית ניתוב לפני שהיא בעיית מודל.

Drex Max אינו ברשימת המסלולים שלנו. הקטלוג של OrcaRouter אינו כולל אותו, ואין לקרוא דבר כאן כהצהרת זמינות מטעמנו — Nace מוכרת אותו דרך ה-API והקונסולה שלה. מה שכן נמצא אצלנו הוא המוצר הקיים שהוא נמדד מולו. TypeSafe Jev 1.13 הוא מסלול רשום במחיר $0.042 למיליון טוקני קלט בתוך חלון הקשר של 65,536 טוקנים, מוגש דרך אותוPOST /v1/systemone גוף בקשה, כך שהשוואת A/B בין מודל החלטות לבין לולאת צילום־המסך־אל־החזית הנוכחית שלך היא מחרוזת מודל ולא שכתוב. הדרך הזולה להכריע בכך היא להשאיר את קריאות ההחלטה הטקסטואליות בלבד שלך במקומן, להוסיף לצידן שלב קריאת מסך עבור המשימות שזקוקות לעיניים, ולמדוד את שניהם מול הלוגים שלך ולא מול 140,178 הבקשות המדורגות של Nace.

פיצול כזה עובד רק אם אפשר להגיע לרכיבים ממקום אחד. מפתח אחד על פני יותר מ-200 מודלים, מחיר המחירון של הספק מועבר הלאה ללא תוספת תשלום לכל טוקן, ומעבר אוטומטי בין ספקים במקרה של כשל הוא מה שמונע מהניסוי להתדרדר לענף מיושן ברגע שהאדם שהקים אותו עובר צוות. זה חשוב כאן גם מסיבה ספציפית: Drex Max הוא חדש, לא מבוקר ומבוסס API בלבד, והדרך הבטוחה לאמץ רכיב לא מוכח היא להציב אותו מאחורי משהו שיכול לחזור למודל מוכר כאשר רמת הביטחון שלו יורדת או שנקודת הקצה מתנהגת לא כשורה. נתבו את ההחלטות הבטוחות למודל הזול ותנו למעבר האוטומטי לטפל בשאר.

מה ישנה את הקריאה הזו?

ריצה בלתי תלויה של Decision Index היא הדבר הראשון. החבילה ציבורית, נאס אומר שההערכות ניתנות לשחזור, ועד שמישהו מחוץ לחברה יריץ את Drex Max עליה, ה-67.6 הוא מספר של ספק. התאים שכדאי לשים לב אליהם כשזה יקרה הם אלה שמצביעים בכיוונים מנוגדים: יתרון של 30 נקודות ב-Mind2Web לצד נסיגה ב-When2Call אינו עקומת יכולת חלקה; הוא מתאר מודל שאומן חזק על "איזה מאלה הוא הלחיצה הבאה" ופחות חזק על "האם אני צריך ללחוץ על משהו". אם זה יחזיק מעמד, זו העובדה התפעולית החשובה ביותר לגבי Drex Max והיא לא נמצאת בנקודות הבולטות.

השהיית ייצור תחת מקביליות היא השנייה. נתון התפוקה של Nace עצמו — כ-25 בקשות בשנייה על רפליקת H100 אחת, ללא שגיאות עד 64 בקשות פעילות בו-זמנית — מתייחס ל-Drex באופן כללי, לא ל-Max ספציפית. כל המסר המרכזי של העיצוב הוא שהוא יושב בנתיב חם בכל שלב, מה שהופך את ה-p95 תחת עומס לרלוונטי בהרבה מחציון של 183 ms, ושום דבר שפורסם לא מתייחס לזה.

שלישית, לתמחור דרושה דוגמה מחושבת הכוללת תמונות. ‏$0.06 למיליון טוקני קלט שימושי רק אם יודעים כמה טוקנים עולה צילום מסך, ואף נתון שפורסם לא עושה זאת. צוות שמתקצב לולאה בת 30 שלבים עם מסך 1440p בכל שלב מנחש עד לפרסום חשבונאות התמונות על ידי Nace או עד שמישהו ימדוד זאת.

שום דבר מזה לא הופך את ההשקה לפחות מעניינת. מודל החלטה שרואה הוא רכיב שונה באמת ממודל צ'אט שמבקשים ממנו להסתכל על צילום מסך, ופער המחירים גדול מספיק כדי לשנות מה סוכן יכול להרשות לעצמו לעשות בכל צעד. זה פשוט עדיין לא מספר שמישהו מחוץ ל-Nace בדק — והחלק בטבלה שישרוד מפגש עם פריסה אמיתית יהיה כנראה החלק שאף אחד לא מצטט.