
Drex Max v1.1 возглавляет Decision Index — а собственные детали совета делают эту победу условной
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 183 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 741 tok/s
- AlibabaНОВИНКАQwen: Qwen4 Max2026-11-16$1.50 / $4.50 за 1 млн токенов · 407 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 119 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Drex Max v1.1, мультимодальная модель принятия решений от Nace.AI, занимает первое место в Artificial Analysis Decision Index v2 с результатом 73,4. Отрыв составляет 0,56 балла от GLiDE v1.2 от Fastino Labs с 72,8 и 0,94 — от Mammoth 27B с 72,4. Эти три числа — вся картина вершины рейтинга, и они же — причина, по которой заголовку нужно второе предложение: та же оценка показывает, что GLiDE точнее Drex Max v1.1, а Mammoth 27B гораздо чаще сохраняет один и тот же ответ при перефразированиях.
Сама модель сегодня не новая. В собственном справочнике моделей Nace указано, что drex-max-v1.1 выпущена 28 октября 2026 года, а с 8 ноября на запросы к выведенному из эксплуатации идентификатору drex-max отвечает v1.1. Новое здесь — измерение. Artificial Analysis опубликовала Decision Index v2 8 ноября 2026 года, за два дня до этой публикации, и это первый независимый рейтинг, который оценивает этот чекпоинт наравне с остальными моделями класса моделей принятия решений с помощью единого инструмента. Вот в чём новость: не запуск, а первая внешняя численная оценка для модели, которая до этого располагала только собственной оценкой поставщика.
Что совет директоров на самом деле измеряет сейчас
Decision Index v2 — это другой инструмент, не тот, что дал 64, который Drex Max имел в октябре, поэтому эти два инструмента несопоставимы, и никто не должен ставить их в один ряд. Индекс v2 — это взвешенное среднее шести оценок, и 45% его теперь основано на закрытых данных, тогда как в v1 эта доля составляла 25%, — сознательный шаг против переобучения на бенчмарках.

• AA-Paperclip, 30% индекса — 1500 частных документов (резюме, квитанции, счета-фактуры, научные работы), каждый содержит пять решений и десять фактов для извлечения; оценивается как один документ, который засчитывается только при условии, что все пятнадцать ответов верны.
• EvalSafe-O*NET-AA, 15% — оценка рабочих документов, основанная на бенчмарке O*NET от TypeSafe.
• AA-Omniscience-Decision v1.1, 15% — знания и галлюцинации, а вариант «Я не знаю» переформулирован десятью способами.
• HLE-MultiChoice v1.1, 15% — Humanity's Last Exam с множественным выбором, также с вариантом отказа.
• AA-Symmetry, 15% — 120 вопросов, расширенных до 440 вариаций за счёт переупорядочивания вариантов, замены меток и отрицания вопросов с ответом «да/нет».
• When2Call, 10% — оценка вызова инструментов от NVIDIA, снизилась с 25% в v1.
Ключевой показатель тоже новый. Каждый вопрос оценивается как 50 × (1 + c − (p − c)²), где p — вероятность, которую модель приписала своему ответу, а c — был ли этот ответ правильным. В совокупности это 50 × (1 + точность − показатель Бриера). Модель вознаграждается за правильность и за понимание того, насколько она права, и за уверенную ошибку её наказывают сильнее, чем за неуверенную. Здесь это важно, потому что посыл Drex — калиброванная вероятность, а не проза, и это первый рейтинг, который оценивает калибровку напрямую, а не считает её сноской.
Где Drex Max v1.1 побеждает, с каким отрывом и против кого
Составной показатель скрывает разделённое поле. Если разложить его, преимущество Drex Max v1.1 обеспечивают два компонента из шести, и один из них — тот, для которого Nace создавал модель.
• AA-Paperclip (документы) — Drex Max v1.1 набирает 72,8 балла по оценке принятия решений, при этом 63,0% документов полностью верны; d1-ultra от Liquid AI — 64,7 и 51,3%, Microsoft-Decision-1 — 51,8 и 20,9%.
• When2Call (вызов инструментов) — Drex Max v1.1 с результатом 95,26 против 84,39 у Jev 1.14 и 87,95 у Microsoft-Decision-1; это самый большой разрыв по отдельной оценке во всём наборе сравнения.
• 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 находится на уровне 84,18, фактически на том же уровне.
• AA-Omniscience-Decision — Drex Max v1.1 60.27, d1-ultra 64.39. Здесь всё наоборот: это оценка того, насколько хорошо модель знает факты, а не того, насколько хорошо она принимает решения.
• HLE-MultiChoice — Drex Max v1.1 — 46,61 против 44,47 у Jev 1.14, но d1-ultra находится на уровне 47,39, а сырая точность составляет 8,25% против 12,77% у Jev.
• Время на задачу — 275 мс для Drex Max v1.1, 92 мс для Jev 1.14, 295 мс для d1-ultra. Drex — самая быстрая модель принятия решений фронтирного масштаба в рейтинге, и при этом примерно втрое медленнее, чем самый дешёвый в эксплуатации действующий игрок.

Четыре оговорки, которые совет публикует, а пресс-релиз — нет
Artificial Analysis на удивление прямо говорит о том, чего не означает его собственный высший балл, и статья, анонсирующая v2, излагает каждый из этих пунктов простым языком.
Первое — точность. «GLiDE v1.2 опережает Drex Max v1.1 по метрикам точности (60 против 58), а Drex Max v1.1 немного впереди по Индексу решений». Drex выигрывает по составному показателю потому, что он лучше откалиброван, а не потому, что даёт больше правильных ответов. Если ваш конвейер отбрасывает вероятность и сохраняет только argmax, вы купили ту часть модели, которую совет директоров не вознаградил.
{{1}}Второе — это согласованность при перефразировании.{{/1}} {{2}}Mammoth 27B выбирает один и тот же ответ среди вариантов AA-Symmetry в 99% вопросов; Drex Max v1.1 — в 91%, GLiDE — в 88%.{{/2}} {{3}}Drex по-прежнему значительно опережает свои прежние показатели и опережает Jev, но «один и тот же вопрос, сформулированный двумя способами, получает один и тот же ответ» — это свойство, которое есть у Mammoth и которого у Drex нет в полной мере.{{/3}}
Третье — это тест документов по принципу «всё или ничего». Drex Max v1.1 даёт 97% правильных ответов на отдельные вопросы в AA-Paperclip, но проходит только 63% документов, потому что один неверный ответ из пятнадцати приводит к провалу документа. Он принимает все пять решений правильно в 71% документов и выполняет все десять извлечений в 88%. Claude Haiku 5.5 (Max), универсальная языковая модель, проходит 92%. Разрыв между 97% ответов и 63% документов — это цена цепочки из пятнадцати зависимых вызовов без проверяющего компонента.
Четвёртое — воздержание от ответа. В оценке на всезнание d1-ultra отказывается отвечать, а не строит догадки, на 88,6% вопросов, на которые не может ответить; Drex Max v1.1 — на 65,3%; Microsoft-Decision-1 — на 21,7%. Drex — это модель, которая скорее даст ответ, чем воздержится; это нормально, когда человек просматривает хвост с низкой уверенностью, и дорого обходится, когда никто этого не делает.
Колонка затрат — это самое сильное, что есть у Nace.
Стоимость 1 миллиона задач на одной и той же доске: 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. Выше моделей принятия решений GPT-6 Luna (Max) стоит $1,530, а Claude Haiku 5.5 (Max) — $6,240 за три-четыре пункта индекса.
Часть этого разброса — это цена за токены, а часть — схема тарификации, и в панели они разделены. Drex Max v1.1 и Decider v1.2 оценивают документ один раз и отвечают на каждый вопрос по результатам этого единственного прохода, поэтому задача AA-Paperclip использует примерно 9 000 входных токенов. GLiDE v1.2 и Decider Flash v1.2 снова тарифицируют входные данные для каждого вопроса — около 63 000 токенов на задачу, поэтому GLiDE выходит на $780 при прайс-листовой цене $0.04 — почти в восемь раз дороже Drex при ставке за токены на 33% выше. В собственной таблице Nace указано «$0.03 за 1 000 решений», а в панели указано $102 за 1 млн задач; это разные единицы измерения для разных рабочих нагрузок, и только вторая позволяет сравнивать модели между собой.
На странице продукта Nace также вынесен заголовок «В 118 раз быстрее, чем Claude Haiku 5.5 (Max)». Считайте это заявлением вендора с вендорским знаменателем. Единица измерения в таблице — время на задачу: у Drex Max v1.1 это 275 мс, а в материале AA для GPT-6 Luna (Max) указано 11,34 с — примерно в 40 раз больше. Оба числа могут быть верны одновременно, потому что одно считает одно решение, а другое — целый документ из пятнадцати вопросов. Планируйте ресурсы исходя из показателя времени на задачу.
Идентификатор — это та часть, которая сломает вашу интеграцию.
Три вещи в документации Nace обойдутся в полдня, если обнаружить их после подключения клиента.
• drex-latest не указывает на модель Max. Он разрешается в drex-v2.0 — открытую по весам текстовую смесь экспертов, которая набирает 63,43 балла в том же лидерборде. Запрос, в котором параметр model вообще не указан, также обрабатывается drex-v2.0. Если вы скопировали пример быстрого старта, в котором задаётся TYPESAFE_DEFAULT_MODEL=drex-latest, — а собственные инструкции Nace по совместимости с Jev велят вам сделать именно это, — вы вызываете не ту модель и увидите падение индекса на 10 пунктов без какого-либо сообщения об ошибке.
• drex-max выведен из эксплуатации с 8 ноября 2026 года, и его обслуживает drex-max-v1.1 в пределах лимитов и по цене v1.1. Существующие клиенты продолжают работать; в ответе указывается id преемника. Для новых задач следует явно указывать drex-max-v1.1.
• Значение контекста приводится дважды и по-разному. В руководстве по API говорится о 131 072 токенах на вопрос с учётом токенов изображений; в справочнике модели указан лимит входных данных 262 144 токена для всего упакованного запроса, включая состояние, все восемь изображений, каждый вопрос и форматирование модели. Ориентируйтесь на меньшее число, если только вы не протестировали большее.

Ничто из этого не является дефектом. Это обычные следы версионирования на месте, и именно поэтому дата выпуска на модели важнее номера версии в названии.
Что это значит, если вы выбираете сегодня
Drex Max v1.1 не входит ни в один из обслуживаемых нами маршрутов. В каталоге OrcaRouter её нет, и ничто здесь не следует воспринимать как утверждение о доступности — Nace продаёт эту модель через собственный API и собственную консоль по цене $0.03 за миллион входных токенов в течение стартового периода, что на 50% ниже прайс-листовой цены $0.06. А вот что в каталоге действительно есть, так это действующий эталон, с которым сравнивают эту модель: TypeSafe Jev 1.14 — это указанный в каталоге маршрут по $0.042 за миллион входных токенов, с той же структурой запроса в виде типизированного вопроса и результатом 66,96 в том же рейтинге. Запуск обоих означает два контракта и два SDK — вот настоящая цена сравнительного тестирования, и обычно именно поэтому сравнение предпочитают проводить через роутер.
Честное прочтение 73.4 уже́, чем «лучшая модель для принятия решений». Drex Max v1.1 — лучший составной балл на таблице, которая на 45% приватна и которой всего два дня; это самая быстрая модель с таким баллом с большим отрывом, и она третья по дешевизне на границе Парето. Она не самая точная, не самая стабильная и не самая склонная воздерживаться от ответа. Что из этих четырёх важно, полностью зависит от того, видит ли человек хвост низкой уверенности, — а этого вопроса нет ни в одном лидерборде.
Что изменило бы эту интерпретацию: вторая независимая панель, воспроизводящая показатель 73,4, или v1.2, которая поднимает точность HLE-MultiChoice выше показателя Jev в 12,77%. Ни того, ни другого пока не существует. Пока не появится хотя бы одно из них, цитировать следует 73,4 со словом «narrow».
