Een gegenereerde titelkaart voor Drex Max v1.1 met als ondertitel 'nummer één op de Artificial Analysis Decision Index v2, met 0,56 punten voorsprong', met chips die 73,4 Decision Index, 275 ms per taak, $102 per 1 miljoen taken en een limiet van 262.144 tokens per verzoek tonen, plus een ranglijststrook met 73,4, 72,8 en 72,4 voor de drie beste beslissingsmodellen.
Guides & Insights

Drex Max v1.1 voert de Decision Index aan — en de eigen details van de raad nuanceren de overwinning

Auteur

Gideon Frost

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Drex Max v1.1, het multimodale beslissingsmodel van Nace.AI, staat eerste op de Artificial Analysis Decision Index v2 met een score van 73,4. De voorsprong bedraagt 0,56 punten op GLiDE v1.2 van Fastino Labs met 72,8, en 0,94 op Mammoth 27B met 72,4. Die drie cijfers vertellen het hele verhaal van de top van het klassement, en ze zijn ook de reden dat de kop een tweede zin nodig heeft: dezelfde evaluatie zegt dat GLiDE nauwkeuriger is dan Drex Max v1.1, en dat Mammoth 27B bij herformuleringen veel vaker hetzelfde antwoord geeft.

Het model zelf is vandaag niet nieuw. Nace's eigen modelreferentie vermeldt drex-max-v1.1 als uitgebracht op 28 oktober 2026, en op de buiten gebruik gestelde drex-max id wordt sinds 8 november door v1.1 geantwoord. Wat nieuw is, is de meting. Artificial Analysis publiceerde Decision Index v2 op 8 november 2026, twee dagen voor dit artikel, en het is de eerste onafhankelijke ranglijst die dit checkpoint tegen de rest van het veld van beslissingsmodellen afzet op één meetinstrument. Dat is het nieuws: geen lancering, maar het eerste externe cijfer voor een model dat tot dan toe alleen het eigen cijfer van de leverancier had.

Wat het bestuur nu daadwerkelijk meet

Decision Index v2 is een ander instrument dan het instrument dat de 64 produceerde die Drex Max in oktober droeg, dus de twee zijn niet vergelijkbaar en niemand zou ze naast elkaar moeten leggen. De v2-index is een gewogen gemiddelde van zes evaluaties, en 45% ervan is nu gebaseerd op privégegevens, tegenover 25% in v1 — een bewuste stap tegen overfitting op 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% van de index — 1.500 privédocumenten (cv's, bonnetjes, facturen, onderzoekspapers), elk met vijf beslissingen en tien feiten om te extraheren, gescoord als één document dat alleen telt als alle vijftien antwoorden juist zijn.

• EvalSafe-O*NET-AA, 15% — beoordeling van werkplekdocumenten, gebaseerd op T​ypeSafe's O*NET-benchmark.

• AA-Omniscience-Decision v1.1, 15% — kennis en hallucinatie, waarbij de optie "Ik weet het niet" op tien manieren opnieuw is geformuleerd.

• HLE-MultiChoice v1.1, 15% — meerkeuzevragen uit Humanity's Last Exam, ook met een optie om te weigeren.

• AA-Symmetrie, 15% — 120 vragen uitgebreid naar 440 variaties door opties te herordenen, labels te verwisselen en ja/nee-vragen te ontkennen.

• When2Call, 10% — NVIDIA's tool-calling-evaluatie, gedaald van 25% in v1.

De belangrijkste maatstaf is ook nieuw. Elke vraag levert 50 × (1 + c − (p − c)²) punten op, waarbij p de waarschijnlijkheid is die het model aan zijn antwoord toekende en c aangeeft of dat antwoord juist was. In totaal is dat 50 × (1 + nauwkeurigheid − Brier-score). Een model wordt beloond voor juist zijn en voor weten hoe juist het is, en een zelfverzekerde fout wordt zwaarder bestraft dan een aarzelende. Dat is hier van belang, omdat de propositie van Drex gekalibreerde waarschijnlijkheid is in plaats van proza, en dit het eerste scorebord is dat de kalibratie rechtstreeks scoort in plaats van er een voetnoot van te maken.

Waar Drex Max v1.1 wint, met hoeveel en tegen wie

Het samengestelde geheel verbergt een verdeeld veld. Uiteengehaald blijkt de voorsprong van Drex Max v1.1 uit twee van de zes componenten te komen, en een daarvan is degene waarvoor Nace het model heeft gebouwd.

• AA-Paperclip (documenten) — Drex Max v1.1 scoort 72,8 op de beslissingsscore, met 63,0% van de documenten volledig correct; d1-ultra van Liquid AI staat op 64,7 en 51,3%, Microsoft-Decision-1 op 51,8 en 20,9%.

• When2Call (tool calling) — Drex Max v1.1 95,26 tegen 84,39 van Jev 1.14 en 87,95 van Microsoft-Decision-1, de grootste kloof bij één enkele evaluatie in de vergelijkingsset.

• 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 staat op 84.18, praktisch gelijk.

• AA-Omniscience-Decision — Drex Max v1.1 60,27, d1-ultra 64,39. Deze gaat de andere kant op: het is de evaluatie over kennis in plaats van besluitvorming.

• HLE-MultiChoice — Drex Max v1.1 46,61 tegen Jev 1.14's 44,47, maar d1-ultra staat op 47,39 en de ruwe nauwkeurigheid is 8,25% tegen Jev's 12,77%.

• Tijd per taak — 275 ms voor Drex Max v1.1, 92 ms voor Jev 1.14, 295 ms voor d1-ultra. Drex is het snelste beslissingsmodel op frontier-schaal in de ranglijst en ongeveer drie keer langzamer dan de gevestigde partij die het goedkoopst te draaien is.

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.

Vier voorbehouden die het bestuur wel publiceert en het persbericht niet.

Artificial Analysis is opvallend expliciet over wat de eigen topscore niet betekent, en het artikel dat v2 aankondigt, zegt elk van deze punten in gewone taal.

De eerste is nauwkeurigheid. "GLiDE v1.2 leidt op Drex Max v1.1 wat betreft nauwkeurigheidsmetrieken (60 vs 58), terwijl Drex Max v1.1 net vooropligt op de Decision Index." Drex wint de samengestelde score omdat het beter gekalibreerd is, niet omdat het meer antwoorden goed heeft. Als je pipeline de waarschijnlijkheid weggooit en alleen de argmax behoudt, heb je het deel van het model aangeschaft dat het bestuur niet heeft beloond.

Het tweede is consistentie bij parafrasering. Mammoth 27B kiest bij 99% van de vragen hetzelfde antwoord bij de variaties van AA-Symmetry; Drex Max v1.1 doet dat bij 91%, GLiDE bij 88%. Drex is nog steeds een flink stuk verder dan waar het eerder stond, en ook verder dan Jev, maar "dezelfde vraag op twee manieren geformuleerd krijgt hetzelfde antwoord" is een eigenschap die Mammoth heeft en Drex niet volledig heeft.

De derde is de alles-of-niets-documenttest. Drex Max v1.1 heeft 97% van de afzonderlijke antwoorden goed op AA-Paperclip, maar slaagt slechts voor 63% van de documenten, omdat één fout antwoord van de vijftien het document doet zakken. Het neemt alle vijf beslissingen juist bij 71% van de documenten en alle tien extracties bij 88%. Claude Haiku 5.5 (Max), een algemeen inzetbaar taalmodel, slaagt voor 92%. Het verschil tussen 97% van de antwoorden en 63% van de documenten is de prijs van het aaneenschakelen van vijftien afhankelijke aanroepen zonder controlemechanisme.

De vierde is onthouding. Bij de omniscience-evaluatie onthoudt d1-ultra zich liever dan te gokken bij 88,6% van de vragen die het niet kan beantwoorden; Drex Max v1.1 bij 65,3%; Microsoft-Decision-1 bij 21,7%. Drex is een model dat liever een antwoord geeft dan zich te onthouden, wat prima is wanneer een mens de staart met lage betrouwbaarheid beoordeelt en duur wanneer niets dat doet.

De kostenkolom is het sterkste ding dat Nace heeft

Kosten per 1 miljoen taken op hetzelfde board: 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. Boven de beslissingsmodellen kosten GPT-6 Luna (Max) $1.530 en Claude Haiku 5.5 (Max) $6.240 voor drie tot vier indexpunten.

Een deel van dat verschil is tokenprijs en een deel is factureringswijze, en het overzicht houdt die gescheiden. Drex Max v1.1 en Decider v1.2 evalueren een document één keer en beantwoorden elke vraag vanuit die ene doorgang, dus een AA-Paperclip-taak gebruikt ongeveer 9.000 invoertokens. GLiDE v1.2 en Decider Flash v1.2 factureren de invoer opnieuw voor elke vraag, ongeveer 63.000 tokens per taak, waardoor GLiDE uitkomt op $780 bij een lijstprijs van $0,04 — bijna acht keer de kosten van Drex tegen een 33% hoger tokentarief. De eigen tabel van Nace meldt "$0,03 per 1.000 beslissingen" en het overzicht meldt $102 per 1 miljoen taken; dat zijn verschillende eenheden die verschillende werklasten meten, en alleen met de tweede kun je modellen onderling vergelijken.

De productpagina van Nace prijkt ook met de kop: "118× sneller dan Claude Haiku 5.5 (Max)". Behandel dat als een leveranciersclaim op een door de leverancier gekozen noemer. De eenheid op het bord is tijd per taak, waarbij Drex Max v1.1 275 ms is en de analyse van AA GPT-6 Luna (Max) op 11,34 s zet — ruwweg 40×. Beide getallen kunnen tegelijk waar zijn, omdat het ene een enkele beslissing telt en het andere een volledig document met vijftien vragen telt. Plan capaciteit op basis van het getal per taak.

De id is het onderdeel dat je integratie zal breken

Drie dingen in de documentatie van Nace kosten je een middag als je ze pas ontdekt nadat je de client hebt aangesloten.

• drex-latest verwijst niet naar een Max-model. Het verwijst door naar drex-v2.0, een open-weights, alleen-tekst mixture of experts die 63,43 scoort op hetzelfde board. Een verzoek waarin model volledig wordt weggelaten, wordt ook door drex-v2.0 beantwoord. Als je een quickstart hebt gekopieerd die TYPESAFE_DEFAULT_MODEL=drex-latest instelt — en Nace's eigen Jev-compatibiliteitsinstructies zeggen dat je dat moet doen — dan roep je het verkeerde model aan en zie je een indexdaling van 10 punten zonder foutmelding.

• drex-max is per 8 november 2026 buiten gebruik gesteld en wordt afgehandeld door drex-max-v1.1 tegen de limieten en prijs van v1.1. Bestaande clients blijven werken; het antwoord rapporteert de id van de opvolger. Nieuw werk moet expliciet drex-max-v1.1 versturen.

• Het contextgetal wordt twee keer genoemd, op verschillende manieren. De API-gids zegt 131,072 tokens per vraag, waarbij afbeeldingstokens worden meegeteld; de modelreferentie zegt een invoerlimiet van 262,144 tokens voor het volledige samengepakte verzoek, inclusief de toestand, alle acht afbeeldingen, elke vraag en de opmaak van het model. Reken met het kleinere getal, tenzij u het grotere hebt getest.

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.

Geen van deze is een defect. Het zijn de gewone restanten van in-place versioning, en ze zijn de reden dat de releasedatum op het model belangrijker is dan het versienummer in de naam.

Wat dit betekent als je vandaag kiest

Drex Max v1.1 staat op geen enkele route die wij aanbieden. De OrcaRouter-catalogus bevat het niet, en niets hier mag worden gelezen als een beschikbaarheidsclaim — Nace verkoopt het via zijn eigen API en zijn eigen console, voor $0,03 per miljoen inputtokens tijdens de lanceerperiode, 50% korting op een lijstprijs van $0,06. Wat de catalogus wel bevat, is de gevestigde partij waaraan dit model wordt afgemeten: TypeSafe Jev 1.14 is een vermelde route voor $0,042 per miljoen inputtokens, met dezelfde aanvraagstructuur voor getypte vragen en een 66,96 op hetzelfde scorebord. Beide draaien betekent twee contracten en twee SDK's, dat zijn de echte kosten van een bake-off, en het is de gebruikelijke reden dat mensen de vergelijking liever achter een router plaatsen.

De eerlijke lezing van 73,4 is beperkter dan "beste beslissingsmodel". Drex Max v1.1 heeft de beste samengestelde score op een ranglijst die voor 45% privé is en twee dagen oud is, het is veruit het snelste model met die score, en het is de op twee na goedkoopste op de Pareto-frontier. Het is niet het meest nauwkeurig, niet het meest consistent en niet het meest geneigd zich te onthouden. Welke van die vier ertoe doet, hangt volledig af van of een mens de staart met lage betrouwbaarheid ziet — en die vraag staat op geen enkele ranglijst.

Wat deze interpretatie zou veranderen: een tweede onafhankelijke leaderboard die de 73.4 reproduceert, of een v1.2 die de HLE-MultiChoice-nauwkeurigheid boven Jev's 12.77% tilt. Geen van beide bestaat nog. Totdat een van beide bestaat, is het getal dat je moet noemen 73.4, met het woord "narrow" eraan verbonden.