
Drex Max v1.1 登上決策指數榜首——但董事會自身揭露的細節使這項勝利有所保留
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百萬 tokens · 183 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百萬 tokens · 741 tok/s
- Alibaba新Qwen: Qwen4 Max2026-11-16$1.50 / $4.50 每百萬 tokens · 407 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百萬 tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百萬 tokens · 119 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百萬 tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
Drex Max v1.1,Nace.AI 的多模態決策模型,以 73.4 分在 Artificial Analysis Decision Index v2 中位居首位。它領先 Fastino Labs 的 GLiDE v1.2(72.8 分)0.56 分,領先 Mammoth 27B(72.4 分)0.94 分。這三個數字就是該榜單頂端的全部故事,也正是標題需要第二句話的原因:同一項評估指出,GLiDE 比 Drex Max v1.1 更準確,而 Mammoth 27B 在改寫措辭後更常維持相同答案。
模型本身今天並不新。Nace 自家的模型參考資料列出 drex-max-v1.1 於 2026 年 10 月 28 日發布,而已退役的 drex-max 識別碼自 11 月 8 日起便由 v1.1 回應。新的是量測結果。Artificial Analysis 於 2026 年 11 月 8 日、也就是本文發布前兩天,發布了 Decision Index v2,這是第一個獨立評測榜,以同一套工具將此檢查點與決策模型領域的其他模型進行評分比較。這就是新聞重點:不是發布,而是一個先前只有廠商自家數字的模型,首次獲得外部評分。
董事會現在實際衡量的是什麼
Decision Index v2 與十月時 Drex Max 所搭載、產生 64 的那項工具是不同工具,因此兩者不可比,任何人都不應將它們相提並論。v2 指數是六項評估的加權平均,其中 45% 現在建立於私有資料上,高於 v1 的 25%——這是刻意之舉,用以反制基準過擬合。

• AA-Paperclip,占指數的 30% —— 1,500 份私人文件(履歷、收據、發票、研究論文),每份都包含五項決策與十項待擷取的事實,並以整份文件計分,只有十五個答案全對才計入。
• EvalSafe-O*NET-AA,15% — 職場文件判斷,建構於 TypeSafe 的 O*NET 基準測試之上。
• AA-Omniscience-Decision v1.1,15% — 知識與幻覺,並將「我不知道」選項以十種方式改寫。
• HLE-MultiChoice v1.1,15% — Humanity's Last Exam 選擇題,亦包含拒答選項。
• AA-Symmetry,15% — 透過重新排序選項、互換標籤,以及將是/否題改為否定形式,將 120 道題目擴充為 440 種變化。
• When2Call,10% —— NVIDIA 的工具呼叫評測,較 v1 的 25% 下降。
主要指標也是新的。每道題的得分為 50 × (1 + c − (p − c)²),其中 p 是模型對其答案所給的機率,c 是該答案是否正確。總合起來就是 50 × (1 + 準確率 − Brier 分數)。模型會因為答對、且知道自己有多正確而獲得獎勵,而自信的錯誤會比猶豫的錯誤受到更重的懲罰。這點在這裡很重要,因為 Drex 的賣點是可校準的機率而非文字敘述,而這是第一個直接為校準度計分、而非把它當成附註的排行榜。
Drex Max v1.1 在哪些方面勝出、勝出多少,以及對手是誰
複合指標掩蓋了一個分裂的領域。拆開來看,Drex Max v1.1 的領先來自六個成分中的兩個,而其中一個正是 Nace 建立模型所針對的那個。
• AA-Paperclip(文件)— Drex Max v1.1 在決策分數上取得 72.8 分,63.0% 的文件完全正確;Liquid AI 的 d1-ultra 為 64.7 分與 51.3%,Microsoft-Decision-1 則為 51.8 分與 20.9%。
• When2Call(工具呼叫)— Drex Max v1.1 的 95.26,對上 Jev 1.14 的 84.39 與 Microsoft-Decision-1 的 87.95,是整個比較組中最大的單一評測差距。
• 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 為 84.18,基本上持平。
• AA-Omniscience-Decision — Drex Max v1.1 60.27,d1-ultra 64.39。這個結果方向相反,而且這是關於知識掌握而非決策的評測。
• HLE-MultiChoice — Drex Max v1.1 的 46.61 對上 Jev 1.14 的 44.47,但 d1-ultra 為 47.39,而原始準確率是 8.25%,對比 Jev 的 12.77%。
• 每項任務耗時 — Drex Max v1.1 為 275 ms,Jev 1.14 為 92 ms,d1-ultra 為 295 ms。Drex 是榜單上最快的前沿規模決策模型,但耗時約為運行成本最低的現有方案的三倍。

董事會公布但新聞稿未公布的四項限制條件
{{1}}Artificial Analysis{{/1}} 異常明確地說明其自家最高分數不代表什麼,而宣布 {{2}}v2{{/2}} 的文章也以淺白語言逐項說明這些。
第一點是準確性。「GLiDE v1.2 在準確性指標上領先 Drex Max v1.1(60 對 58),而 Drex Max v1.1 則在 Decision Index 上略勝一籌。」Drex 能在綜合評分中勝出,是因為校準得更好,而不是因為答對更多。如果你的流程丟棄機率、只保留 argmax,你買到的就是董事會並未獎勵的那部分模型。
第二是改述下的一致性。在 AA-Symmetry 的各個變體中,Mammoth 27B 在 99% 的問題上選擇相同答案;Drex Max v1.1 為 91%,GLiDE 為 88%。Drex 仍明顯優於自身過去的水準,也領先 Jev,但「同一個問題用兩種方式表述會得到相同答案」這項性質,Mammoth 具備,而 Drex 尚未完全具備。
第三項是全有或全無的文件測試。Drex Max v1.1 在 AA-Paperclip 上個別答案答對 97%,但只有 63% 的文件通過,因為十五個答案中只要有一個錯誤,該份文件就不合格。它在 71% 的文件中正確做出全部五項決策,並在 88% 的文件中正確完成全部十項擷取。Claude Haiku 5.5 (Max) 是通用語言模型,通過率為 92%。97% 的答案與 63% 的文件之間的落差,就是在沒有檢查器的情況下串接十五個相依呼叫的代價。
第四項是棄答。在全知評估中,d1-ultra 對它無法回答的問題有 88.6% 選擇拒答而非猜測;Drex Max v1.1 為 65.3%;Microsoft-Decision-1 為 21.7%。Drex 是寧可給出答案也不願棄答的模型;當有人類審查低信心的尾部案例時,這沒問題,但若無人審查,代價就很高。
成本欄是 Nace 最強的一項。
同一個排行榜上每 100 萬項任務的成本: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。在上述決策模型之上,GPT-6 Luna (Max) 的成本為 $1,530,Claude Haiku 5.5 (Max) 為 $6,240,換取三到四個指數點。
這個差距有一部分來自 token 價格,另一部分來自計費方式,而看板會把兩者分開呈現。Drex Max v1.1 和 Decider v1.2 只評估文件一次,並從那一次處理回答所有問題,因此一個 AA-Paperclip 任務大約使用 9,000 個輸入 token。GLiDE v1.2 和 Decider Flash v1.2 則會針對每個問題再次計費輸入,每個任務約 63,000 個 token,這就是為什麼 GLiDE 在以 $0.04 定價的情況下會落在 $780——在 token 費率高 33% 的情況下,成本幾乎是 Drex 的八倍。Nace 自己的表格寫著「每 1,000 次決策 $0.03」,而看板則寫著每 100 萬個任務 $102;這些是不同的單位,衡量的是不同的工作負載,只有第二個能讓你跨模型比較。
Nace 的產品頁也以「比 Claude Haiku 5.5(Max)快 118 倍」為標題。請把這視為廠商說法,而且用的是廠商自己的分母。董事會採用的單位是每項任務的耗時:Drex Max v1.1 為 275 毫秒,而 AA 的報告把 GPT-6 Luna(Max)列為 11.34 秒——大約 40 倍。這兩個數字可以同時成立,因為一個算的是單次決策,另一個算的是整份十五題的文件。產能規劃請以每項任務的數字為準。
id 就是會讓你的整合壞掉的那個部分
Nace 的文件裡有三件事,若等到接好用戶端後才發現,會讓你多花一個下午。
• drex-latest 並不指向 Max 模型。它會解析到 drex-v2.0,這是一個開放權重、純文字的專家混合模型,在同一排行榜上得分 63.43。完全省略 model 的請求也會由 drex-v2.0 回應。如果你複製了設定 TYPESAFE_DEFAULT_MODEL=drex-latest 的快速入門指南——而 Nace 自家的 Jev 相容性指示也告訴你要這麼做——你就是在呼叫錯誤的模型,並且會看到指數下降 10 點,卻沒有任何錯誤。
• drex-max 自 2026 年 11 月 8 日起已停用,並由 drex-max-v1.1 以 v1.1 的限制與價格提供服務。現有客戶端仍可繼續運作;回應會回報後繼版本的 id。新工作應明確傳送 drex-max-v1.1。
• 上下文數字有兩種不同說法。API 指南說每個問題為 131,072 個 token,且會計入影像 token;模型參考資料則說整個打包請求的輸入上限為 262,144 個 token,包含狀態、全部八張影像、每個問題以及模型的格式設定。除非你已測試過較大的數字,否則請以較小的數字來規劃。

這些都不是缺陷。它們是就地版本化留下的尋常碎片,也正是模型上的發布日期比名稱中的版本號更重要的原因。
如果你今天就要做選擇,這代表什麼
Drex Max v1.1 不在我們提供的任何路由上。OrcaRouter 目錄並未收錄它,此處任何內容都不應被解讀為可用性聲明——Nace 透過自家 API 與自家主控台販售,推出期間每百萬輸入 token 為 0.03 美元,較 0.06 美元定價低 50%。目錄確實收錄的是 這款模型所對比的現任方案:TypeSafe Jev 1.14 是已列出的路由,每百萬輸入 token 為 0.042 美元,具有相同的型別化問題請求格式,並在同一排行榜上獲得 66.96 分。同時執行兩者意味著兩份合約與兩套 SDK,這正是對比評測的真正成本,也是人們通常改為將比較放在路由器後面的原因。
對 73.4 的誠實解讀,比「最佳決策模型」要狹窄得多。Drex Max v1.1 在一個 45% 為私有、且才發布兩天的排行榜上擁有最佳綜合分數;它是達到該分數的模型中最快的,而且大幅領先;它在 Pareto 前沿上則是第三便宜。它不是最準確的,不是最一致的,也不是最願意棄答的。這四者中哪一項重要,完全取決於人類是否看得到低信心的尾部——而這個問題不在任何排行榜上。
什麼會改變這個解讀:第二個獨立榜單重現 73.4,或是有一個 v1.2 將 HLE-MultiChoice 準確率提升到高於 Jev 的 12.77%。兩者目前都還不存在。在其中一個出現之前,要引用的數字是 73.4,並附上「narrow」這個詞。
