
Drex Max v1.1 zajmuje pierwsze miejsce w Indeksie Decyzji — ale szczegóły podane przez sam Zarząd osłabiają wymowę tego zwycięstwa
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 183 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 741 tok/s
- AlibabaNOWOŚĆQwen: Qwen4 Max2026-11-16$1.50 / $4.50 za 1 mln tokenów · 407 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 119 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Drex Max v1.1, multimodalny model decyzyjny od Nace.AI, zajmuje pierwsze miejsce w Artificial Analysis Decision Index v2 z wynikiem 73,4. Przewaga wynosi 0,56 punktu nad GLiDE v1.2 od Fastino Labs z wynikiem 72,8 oraz 0,94 nad Mammoth 27B z wynikiem 72,4. Te trzy liczby to cała historia czołówki rankingu i jednocześnie powód, dla którego nagłówek wymaga drugiego zdania: ta sama ewaluacja wskazuje, że GLiDE jest dokładniejszy niż Drex Max v1.1, a Mammoth 27B znacznie częściej zachowuje tę samą odpowiedź w różnych parafrazach.
Sam model nie jest dziś nowością. Własna dokumentacja modeli Nace wymienia drex-max-v1.1 jako wydany 28 października 2026 r., a wycofany identyfikator drex-max jest obsługiwany przez wersję 1.1 od 8 listopada. Nowe jest natomiast pomiar. Artificial Analysis opublikowało Decision Index v2 8 listopada 2026 r., dwa dni przed tym tekstem, i jest to pierwsza niezależna tablica, która ocenia ten checkpoint na tle reszty dziedziny modeli decyzyjnych za pomocą jednego narzędzia. To jest ta wiadomość: nie premiera, lecz pierwsza zewnętrzna liczba dla modelu, który dotąd dostarczał wyłącznie własną liczbę od swojego dostawcy.
Co zarząd faktycznie mierzy teraz
Decision Index v2 to inne narzędzie niż to, które dało wynik 64 uzyskany przez Drex Max w październiku, więc oba nie są porównywalne i nikt nie powinien ich zestawiać. Indeks v2 jest średnią ważoną sześciu ocen, a 45% jego wartości opiera się teraz na danych prywatnych, wobec 25% w wersji v1 — to celowy ruch przeciw nadmiernemu dopasowaniu do benchmarków.

• AA-Paperclip, 30% indeksu — 1500 prywatnych dokumentów (CV, paragony, faktury, artykuły naukowe), z których każde zawiera pięć decyzji i dziesięć faktów do wyodrębnienia, oceniane jako jeden dokument, który liczy się tylko wtedy, gdy wszystkie piętnaście odpowiedzi są poprawne.
• EvalSafe-O*NET-AA, 15% — ocena dokumentów zakładowych, oparta na benchmarku O*NET firmy TypeSafe.
AA-Omniscience-Decision v1.1, 15% — wiedza i halucynacje, z opcją „Nie wiem” przeformułowaną na dziesięć sposobów.
• HLE-MultiChoice v1.1, 15% — Humanity's Last Exam wielokrotnego wyboru, również z opcją odmowy.
• AA-Symmetry, 15% — 120 pytań rozszerzonych do 440 wariantów poprzez zmianę kolejności opcji, zamianę etykiet i negowanie pytań typu tak/nie.
• When2Call, 10% — ocena wywoływania narzędzi NVIDIA, spadek z 25% w wersji 1.
Główna metryka też jest nowa. Każde pytanie jest punktowane według wzoru 50 × (1 + c − (p − c)²), gdzie p to prawdopodobieństwo, jakie model przypisał swojej odpowiedzi, a c oznacza, czy ta odpowiedź była poprawna. W sumie daje to 50 × (1 + dokładność − wynik Brierа). Model jest wynagradzany za to, że ma rację, oraz za to, że wie, jak bardzo ma rację, a za błąd popełniony z pewnością siebie jest karany bardziej niż za błąd niepewny. Ma to tutaj znaczenie, ponieważ propozycja Drexa opiera się na skalibrowanym prawdopodobieństwie, a nie na prozie, i jest to pierwsza tablica, która ocenia kalibrację bezpośrednio, zamiast traktować ją jako przypis.
Gdzie Drex Max v1.1 wygrywa, o ile i z kim
Złożony wskaźnik ukrywa podzielone pole. Po rozdzieleniu przewaga Drex Max v1.1 wynika z dwóch z sześciu składników, a jeden z nich to ten, dla którego Nace zbudował model.
• AA-Paperclip (dokumenty) — Drex Max v1.1 uzyskuje 72,8 punktu w wyniku decyzyjnym, a 63,0% dokumentów jest w pełni poprawnych; d1-ultra od Liquid AI ma 64,7 i 51,3%, Microsoft-Decision-1 — 51,8 i 20,9%.
• When2Call (wywoływanie narzędzi) — Drex Max v1.1 95,26 w porównaniu z 84,39 Jev 1.14 i 87,95 Microsoft-Decision-1, największa różnica w pojedynczej ewaluacji w zestawie porównawczym.
• 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 osiąga 84,18, czyli praktycznie ten sam poziom.
• AA-Omniscience-Decision — Drex Max v1.1 60,27, d1-ultra 64,39. Ten idzie w przeciwnym kierunku i jest to ewaluacja dotycząca wiedzy, a nie podejmowania decyzji.
• HLE-MultiChoice — Drex Max v1.1 46,61 wobec 44,47 Jev 1.14, ale d1-ultra ma 47,39, a surowa dokładność wynosi 8,25% wobec 12,77% Jev.
• Czas na zadanie — 275 ms dla Drex Max v1.1, 92 ms dla Jev 1.14, 295 ms dla d1-ultra. Drex to najszybszy model decyzyjny klasy frontier w zestawieniu i około trzykrotnie wolniejszy od najtańszego w eksploatacji dotychczasowego modelu.

Cztery zastrzeżenia, które publikuje zarząd, a których nie ma w komunikacie prasowym.
Artificial Analysis niezwykle wprost mówi, czego nie oznacza jego własny najwyższy wynik, a artykuł ogłaszający v2 opisuje każdy z tych punktów prostymi słowami.
Pierwsza to dokładność. „GLiDE v1.2 prowadzi przed Drex Max v1.1 w metrykach dokładności (60 vs 58), podczas gdy Drex Max v1.1 wysuwa się na prowadzenie w Decision Index”. Drex wygrywa w zestawieniu złożonym, ponieważ jest lepiej skalibrowany, a nie dlatego, że udziela więcej poprawnych odpowiedzi. Jeśli Twój potok odrzuca prawdopodobieństwo i zachowuje tylko argmax, kupiłeś tę część modelu, której zarząd nie nagrodził.
Drugą jest spójność przy parafrazowaniu. Mammoth 27B wybiera tę samą odpowiedź w wariantach AA-Symmetry w 99% pytań; Drex Max v1.1 robi to w 91%, a GLiDE w 88%. Drex nadal znacznie przewyższa swój wcześniejszy wynik i wyprzedza Jev, ale „to samo pytanie sformułowane na dwa sposoby daje tę samą odpowiedź” to cecha, którą Mammoth ma, a której Drex nie ma w pełni.
Trzeci to test dokumentu „wszystko albo nic”. Drex Max v1.1 uzyskuje 97% poprawnych pojedynczych odpowiedzi na AA-Paperclip, ale zalicza tylko 63% dokumentów, ponieważ jedna błędna odpowiedź na piętnaście powoduje oblanie dokumentu. Poprawnie podejmuje wszystkie pięć decyzji w 71% dokumentów i wykonuje wszystkie dziesięć ekstrakcji w 88%. Claude Haiku 5.5 (Max), model językowy ogólnego przeznaczenia, zalicza 92%. Różnica między 97% odpowiedzi a 63% dokumentów to koszt łańcucha piętnastu zależnych wywołań bez mechanizmu sprawdzającego.
Czwartym jest wstrzymanie się od odpowiedzi. W ocenie wszechwiedzy d1-ultra woli odmówić niż zgadywać w przypadku 88,6% pytań, na które nie potrafi odpowiedzieć; Drex Max v1.1 — w przypadku 65,3%; Microsoft-Decision-1 — 21,7%. Drex to model, który woli udzielić odpowiedzi niż się wstrzymać, co jest w porządku, gdy człowiek weryfikuje ogon niskiej pewności, i kosztowne, gdy nikt tego nie robi.
Kolumna kosztów to najmocniejsza strona Nace'a.
Koszt na 1 milion zadań na tej samej planszy: Celeris-1.1 Decision – 14 USD, Decider v1.2 – 68 USD, Drex Max v1.1 – 102 USD, d1-ultra – 132 USD, Microsoft-Decision-1 – 142 USD, Jev 1.14 – 156 USD, GLiDE v1.2 – 780 USD, Clef – 859 USD. Powyżej modeli decyzyjnych GPT-6 Luna (Max) kosztuje 1 530 USD, a Claude Haiku 5.5 (Max) – 6 240 USD za trzy do czterech punktów indeksu.
Część tej różnicy wynika z ceny tokenów, a część ze sposobu rozliczania, i tablica rozdziela te dwa czynniki. Drex Max v1.1 i Decider v1.2 oceniają dokument jednokrotnie i odpowiadają na każde pytanie na podstawie tego jednego przebiegu, więc zadanie AA-Paperclip zużywa około 9 000 tokenów wejściowych. GLiDE v1.2 i Decider Flash v1.2 ponownie naliczają opłatę za dane wejściowe przy każdym pytaniu — około 63 000 tokenów na zadanie — dlatego GLiDE osiąga 780 USD przy cenie katalogowej 0,04 USD, czyli prawie osiem razy więcej niż koszt Drex przy o 33% wyższej stawce za tokeny. Własna tabela Nace podaje „0,03 USD za 1000 decyzji”, a tablica podaje 102 USD za 1 milion zadań; to różne jednostki mierzące różne obciążenia, i tylko ta druga pozwala porównywać modele.
Strona produktu Nace również w nagłówku podaje „118× szybciej niż Claude Haiku 5.5 (Max)”. Traktuj to jako roszczenie dostawcy oparte na mianowniku dostawcy. Jednostką tablicy jest czas na zadanie, gdzie Drex Max v1.1 wynosi 275 ms, a materiał AA podaje dla GPT-6 Luna (Max) 11,34 s — około 40×. Obie liczby mogą być prawdziwe jednocześnie, ponieważ jedna liczy pojedynczą decyzję, a druga cały piętnastopytaniowy dokument. Planuj moce na podstawie wartości na zadanie.
Id to ta część, która zepsuje twoją integrację
Trzy rzeczy w dokumentacji Nace kosztują całe popołudnie, jeśli odkryjesz je dopiero po podłączeniu klienta.
• drex-latest nie wskazuje na model Max. Rozwiązuje się do drex-v2.0 — tekstowego modelu mieszanki ekspertów z otwartymi wagami, który uzyskuje wynik 63,43 w tym samym rankingu. Żądanie, w którym całkowicie pominięto model, również jest obsługiwane przez drex-v2.0. Jeśli skopiowano quickstart ustawiający TYPESAFE_DEFAULT_MODEL=drex-latest — a własne instrukcje Nace dotyczące zgodności z Jev mówią, żeby tak zrobić — wywołujesz niewłaściwy model i zobaczysz spadek indeksu o 10 punktów bez żadnego komunikatu o błędzie.
drex-max został wycofany z dniem 8 listopada 2026 r. i jest obsługiwany przez drex-max-v1.1 w ramach limitów i ceny wersji v1.1. Istniejący klienci nadal działają; odpowiedź zawiera identyfikator następcy. Nowe zadania powinny jawnie wskazywać drex-max-v1.1.
• Wielkość kontekstu jest podana dwa razy, odmiennie. Przewodnik API mówi o 131,072 tokenach na pytanie, z wliczonymi tokenami obrazów; dokumentacja modelu podaje limit wejściowy 262,144 tokenów dla całego spakowanego żądania, obejmującego stan, wszystkie osiem obrazów, każde pytanie i formatowanie modelu. Dobieraj rozmiar do mniejszej liczby, chyba że przetestowałeś większą.

Żadna z tych rzeczy nie jest wadą. To zwykłe pozostałości wersjonowania w miejscu i właśnie dlatego data wydania modelu ma większe znaczenie niż numer wersji w nazwie.
Co to oznacza, jeśli wybierasz dzisiaj
Drex Max v1.1 nie występuje na żadnej trasie, którą obsługujemy. Katalog OrcaRouter go nie zawiera i niczego tutaj nie należy odczytywać jako twierdzenia o dostępności — Nace sprzedaje go przez własne API i własną konsolę, w cenie 0,03 USD za milion tokenów wejściowych w okresie startowym, 50% taniej niż cena katalogowa 0,06 USD. To, co katalog jednak zawiera, to model odniesienia, względem którego mierzy się ten model: TypeSafe Jev 1.14 to trasa z katalogu w cenie 0,042 USD za milion tokenów wejściowych, z tym samym kształtem żądania w postaci typowanego pytania i wynikiem 66,96 w tym samym rankingu. Uruchomienie obu oznacza dwie umowy i dwa SDK — to rzeczywisty koszt testu porównawczego i zwykły powód, dla którego ludzie umieszczają porównanie za routerem.
Uczciwy odczyt 73.4 jest węższy niż „najlepszy model decyzyjny”. Drex Max v1.1 ma najlepszy wynik złożony na tablicy wyników, która w 45% jest prywatna i ma dwa dni, jest najszybszym modelem osiągającym ten wynik z dużą przewagą i jest trzeci najtańszy na froncie Pareto. Nie jest najdokładniejszy, nie jest najbardziej spójny i nie jest najbardziej skłonny do wstrzymania się. Która z tych czterech rzeczy ma znaczenie, zależy wyłącznie od tego, czy człowiek widzi ogon niskiej pewności — a tego pytania nie ma na żadnej tablicy wyników.
Co zmieniłoby ten odczyt: druga niezależna tablica wyników odtwarzająca 73,4 albo wersja v1.2, która podnosi dokładność HLE-MultiChoice powyżej 12,77% uzyskiwanych przez Jev. Żadne z nich jeszcze nie istnieje. Dopóki jedno z nich nie powstanie, liczbą do przytoczenia jest 73,4 z dołączonym słowem „wąski”.
