
Drex Max v1.1 lidera o Decision Index — e os próprios detalhes do Conselho relativizam a vitória
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 183 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 741 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 407 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: 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 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
Drex Max v1.1, o modelo de decisão multimodal da Nace.AI, ocupa o primeiro lugar no Artificial Analysis Decision Index v2 com uma pontuação de 73,4. A margem é de 0,56 ponto de vantagem sobre o GLiDE v1.2 da Fastino Labs, com 72,8, e de 0,94 sobre o Mammoth 27B, com 72,4. Esses três números são toda a história do topo da tabela e também são o motivo pelo qual a manchete precisa de uma segunda frase: a mesma avaliação diz que o GLiDE é mais preciso que o Drex Max v1.1, e que o Mammoth 27B mantém a mesma resposta entre paráfrases com muito mais frequência.
O modelo em si não é novo hoje. A própria referência de modelos da Nace lista o drex-max-v1.1 como lançado em 28 de outubro de 2026, e o id drex-max aposentado tem recebido como resposta o v1.1 desde 8 de novembro. O que é novo é a medição. A Artificial Analysis publicou o Decision Index v2 em 8 de novembro de 2026, dois dias antes deste artigo, e é o primeiro painel independente que avalia este checkpoint contra o restante do campo de modelos de decisão em um único instrumento. Essa é a notícia: não um lançamento, mas o primeiro número externo para um modelo que só havia divulgado o próprio número do fornecedor.
O que o painel realmente mede agora
O Decision Index v2 é um instrumento diferente daquele que produziu o 64 que o Drex Max carregou em outubro, portanto os dois não são comparáveis e ninguém deveria colocá-los lado a lado. O índice v2 é uma média ponderada de seis avaliações, e 45% dele agora se baseia em dados privados, ante 25% na v1 — uma medida deliberada contra o overfitting de benchmark.

• AA-Paperclip, 30% do índice — 1.500 documentos privados (currículos, recibos, faturas, artigos de pesquisa), cada um contendo cinco decisões e dez fatos a extrair, avaliado como um único documento que só conta se todas as quinze respostas estiverem corretas.
• EvalSafe-O*NET-AA, 15% — julgamento de documentos do local de trabalho, construído sobre o benchmark O*NET da TypeSafe.
• AA-Omniscience-Decision v1.1, 15% — conhecimento e alucinação, com a opção "Não sei" reformulada de dez maneiras.
• HLE-MultiChoice v1.1, 15% — Humanity's Last Exam, de múltipla escolha, também com uma opção de recusa.
• AA-Symmetry, 15% — 120 perguntas expandidas para 440 variações ao reordenar opções, trocar rótulos e negar perguntas de sim/não.
• When2Call, 10% — avaliação de chamada de ferramentas da NVIDIA, abaixo dos 25% na v1.
A métrica principal também é nova. Cada pergunta vale 50 × (1 + c − (p − c)²), em que p é a probabilidade que o modelo atribuiu à sua resposta e c indica se essa resposta estava correta. No agregado, isso é 50 × (1 + acurácia − pontuação de Brier). Um modelo é recompensado por estar certo e por saber o quão certo está, e é mais penalizado por um erro confiante do que por um hesitante. Isso importa aqui, porque o argumento de venda do Drex é probabilidade calibrada, e não prosa, e este é o primeiro ranking que avalia a calibração diretamente em vez de tratá-la como nota de rodapé.
Onde o Drex Max v1.1 vence, por quanto e contra quem
O composto esconde um campo dividido. Ao separar, a vantagem de Drex Max v1.1 vem de dois componentes entre seis, e um deles é aquele para o qual Nace construiu o modelo.
• AA-Paperclip (documentos) — Drex Max v1.1 obtém 72,8 na pontuação de decisão, com 63,0% dos documentos totalmente corretos; d1-ultra da Liquid AI está com 64,7 e 51,3%, Microsoft-Decision-1 com 51,8 e 20,9%.
• When2Call (chamada de ferramentas) — Drex Max v1.1 95,26 contra os 84,39 do Jev 1.14 e os 87,95 do Microsoft-Decision-1, a maior diferença em uma única avaliação no conjunto de comparação.
• 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 em 84,18, praticamente empatado.
• AA-Omniscience-Decision — Drex Max v1.1 60,27, d1-ultra 64,39. Este vai no sentido oposto, e é a avaliação sobre saber coisas, e não sobre decidir coisas.
• HLE-MultiChoice — Drex Max v1.1 46,61 contra 44,47 do Jev 1.14, mas o d1-ultra está em 47,39 e a acurácia bruta é de 8,25% contra 12,77% do Jev.
• Tempo por tarefa — 275 ms para o Drex Max v1.1, 92 ms para o Jev 1.14 e 295 ms para o d1-ultra. O Drex é o modelo de decisão em escala de fronteira mais rápido do mercado e cerca de três vezes mais lento que o incumbente mais barato de operar.

Quatro ressalvas que o conselho divulga e o comunicado à imprensa não.
A Artificial Analysis é incomumente explícita sobre o que sua própria pontuação máxima não significa, e o artigo que anuncia a v2 diz cada um desses pontos em linguagem simples.
A primeira é a acurácia. "GLiDE v1.2 supera Drex Max v1.1 nas métricas de acurácia (60 vs 58), enquanto Drex Max v1.1 leva ligeira vantagem no Decision Index." Drex vence no composto porque está mais bem calibrado, não porque acerta mais respostas. Se seu pipeline descarta a probabilidade e mantém apenas o argmax, você comprou a parte do modelo que a diretoria não recompensou.
O segundo é a consistência sob paráfrase. O Mammoth 27B seleciona a mesma resposta entre as variações do AA-Symmetry em 99% das perguntas; o Drex Max v1.1 faz o mesmo em 91%, o GLiDE em 88%. O Drex ainda está bem à frente de onde estava, e à frente do Jev, mas "a mesma pergunta formulada de duas maneiras recebe a mesma resposta" é uma propriedade que o Mammoth tem e que o Drex não tem plenamente.
O terceiro é o teste de documento tudo ou nada. O Drex Max v1.1 acerta 97% das respostas individuais no AA-Paperclip, mas é aprovado em apenas 63% dos documentos, porque uma resposta errada entre quinze reprova o documento. Ele toma todas as cinco decisões corretamente em 71% dos documentos e todas as dez extrações em 88%. O Claude Haiku 5.5 (Max), um modelo de linguagem de propósito geral, é aprovado em 92%. A diferença entre 97% das respostas e 63% dos documentos é o custo de encadear quinze chamadas dependentes sem um verificador.
A quarta é a abstenção. Na avaliação de onisciência, o d1-ultra se recusa a responder em vez de adivinhar em 88,6% das perguntas que não consegue responder; o Drex Max v1.1 em 65,3%; o Microsoft-Decision-1 em 21,7%. O Drex é um modelo que prefere se comprometer a se abster, o que é aceitável quando um humano revisa a cauda de baixa confiança e caro quando nada faz isso.
A coluna de custo é a coisa mais forte que a Nace tem.
Custo por 1 milhão de tarefas no mesmo ranking: Celeris-1.1 Decision US$ 14, Decider v1.2 US$ 68, Drex Max v1.1 US$ 102, d1-ultra US$ 132, Microsoft-Decision-1 US$ 142, Jev 1.14 US$ 156, GLiDE v1.2 US$ 780, Clef US$ 859. Acima dos modelos de decisão, GPT-6 Luna (Max) custa US$ 1.530 e Claude Haiku 5.5 (Max) US$ 6.240 por três a quatro pontos de índice.
Parte dessa diferença é o preço por token e parte é o formato de cobrança, e o painel separa as duas coisas. O Drex Max v1.1 e o Decider v1.2 avaliam um documento uma vez e respondem a todas as perguntas a partir dessa única passagem, então uma tarefa do AA-Paperclip usa cerca de 9.000 tokens de entrada. O GLiDE v1.2 e o Decider Flash v1.2 cobram a entrada novamente para cada pergunta, cerca de 63.000 tokens por tarefa, e é assim que o GLiDE chega a US$ 780 com um preço de tabela de US$ 0,04 — quase oito vezes o custo do Drex com uma taxa de tokens 33% maior. A própria tabela da Nace informa “US$ 0,03 por 1.000 decisões” e o painel informa US$ 102 por 1 milhão de tarefas; são unidades diferentes que medem cargas de trabalho diferentes, e só a segunda permite comparar entre modelos.
A página do produto da Nace também destaca "118× mais rápido que Claude Haiku 5.5 (Max)". Trate isso como uma alegação de fornecedor sobre um denominador de fornecedor. A unidade do painel é tempo por tarefa, em que Drex Max v1.1 é 275 ms e o texto da AA coloca GPT-6 Luna (Max) em 11,34 s — aproximadamente 40×. Ambos os números podem ser verdadeiros ao mesmo tempo porque um conta uma única decisão e o outro conta um documento inteiro de quinze perguntas. Planeje a capacidade a partir do número por tarefa.
O id é a parte que vai quebrar a sua integração
Três coisas na documentação do Nace custarão uma tarde se você as descobrir depois de conectar o cliente.
• drex-latest não aponta para um modelo Max. Ele é resolvido para drex-v2.0, uma mistura de especialistas somente texto e de pesos abertos que obtém 63,43 no mesmo benchmark. Uma requisição que omite totalmente o modelo também é atendida pelo drex-v2.0. Se você copiou um quickstart que define TYPESAFE_DEFAULT_MODEL=drex-latest — e as próprias instruções de compatibilidade com Jev da Nace dizem para você fazer isso —, você está chamando o modelo errado e verá uma queda de 10 pontos no índice sem nenhum erro.
• drex-max está descontinuado desde 8 de novembro de 2026 e é atendido por drex-max-v1.1 dentro dos limites e pelo preço da v1.1. Os clientes existentes continuam funcionando; a resposta informa o id do sucessor. Novos trabalhos devem enviar drex-max-v1.1 explicitamente.
• O valor de contexto é apresentado duas vezes, de forma diferente. O guia da API indica 131.072 tokens por pergunta, com os tokens das imagens contabilizados; a referência do modelo indica um limite de entrada de 262.144 tokens para toda a requisição empacotada, incluindo o estado, todas as oito imagens, cada pergunta e a formatação do modelo. Dimensione pelo número menor, a menos que você tenha testado o maior.

Nenhum destes é um defeito. Eles são os resíduos comuns do versionamento in-place, e são a razão pela qual a data de lançamento no modelo importa mais do que o número da versão no nome.
O que isso significa se você estiver escolhendo hoje
O Drex Max v1.1 não está em nenhuma rota que servimos. O catálogo do OrcaRouter não o inclui, e nada aqui deve ser interpretado como uma alegação de disponibilidade — a Nace o vende por meio de sua própria API e de seu próprio console, a US$ 0,03 por milhão de tokens de entrada durante o período de lançamento, 50% de desconto sobre um preço de tabela de US$ 0,06. O que o catálogo inclui é o concorrente estabelecido contra o qual este modelo é medido: TypeSafe Jev 1.14 é uma rota listada a US$ 0,042 por milhão de tokens de entrada, com o mesmo formato de requisição de pergunta tipada e 66,96 no mesmo ranking. Executar ambos significa dois contratos e dois SDKs, que é o custo real de uma comparação, e é o motivo habitual pelo qual as pessoas colocam a comparação atrás de um roteador em vez disso.
A leitura honesta de 73,4 é mais estreita do que “melhor modelo de decisão”. O Drex Max v1.1 tem a melhor pontuação composta em um ranking que é 45% privado e tem dois dias; é o modelo mais rápido nessa pontuação por uma margem ampla; e é o terceiro mais barato na fronteira de Pareto. Não é o mais preciso, não é o mais consistente e não é o mais disposto a abster-se. Qual desses quatro fatores importa depende inteiramente de se um humano vê a cauda de baixa confiança — e essa pergunta não está em nenhum ranking.
O que mudaria esta leitura: um segundo painel independente que reproduza o 73,4, ou uma v1.2 que eleve a acurácia do HLE-MultiChoice acima dos 12,77% de Jev. Nenhum dos dois existe ainda. Até que um exista, o número a citar é 73,4 com a palavra "narrow" anexada.
