El lanzamiento de Drex Max v1 por Nace AI marca un hito en la democratización de modelos de decisión de gran escala, al hacerlos accesibles con pesos abiertos y ejecución local en hardware Apple Silicon.
¿Qué es Drex Max?
Drex Max es un modelo de decisión de 27 mil millones de parámetros que responde preguntas tipadas sobre un contexto dado sin generar texto. Sus tres tipos de preguntas —opción nombrada, sí/no y puntuación ordinal— lo hacen ideal para tareas de enrutamiento, triage de tickets y verificaciones de políticas.
Arquitectura y rendimiento
El backbone denso de 27B cuenta con 64 capas: 48 de atención lineal DeltaNet y 16 de atención plena colocadas cada cuatro capas. Una cabeza de salida de 255 vías convierte el último estado oculto en probabilidades de opción.
- Ventana de tokens: 262,144 (16,384 por defecto)
- Opciones por pregunta: hasta 255
- Decision Index 0.4 (público): 67.52 (6.27 puntos más que Drex v2.0)
- Skill en InfographicVQA: 97.3
- Área de herramientas: 81.9
Runtimes disponibles
Nace AI documenta cinco entornos de ejecución que exponen la misma API POST /v1/systemone.
- NVIDIA GPU – bf16 (~49 GB) o 8‑bit (~26 GB) – Python
- Apple Metal, CPU – Q8_0 GGUF (27.25 GB) – llama.cpp fork
- Apple Metal, CPU – Q8_0 GGUF (27.25 GB) – Ollama fork
- Apple Silicon – affine Q4 (14.45 GB) – Kapitsa v0.2.25+
- Apple Silicon – affine Q4 (14.45 GB) – MLX
El checkpoint affine Q4 está pensado para Macs con 24 GB o más, mientras que el Q8_0 GGUF requiere 48 GB. En un M5 Pro de 48 GB, el Q8_0 GGUF iguala al H100 bf16 con una diferencia menor a 0.02 en probabilidad.
Comparativa con otros modelos
En la tabla se muestran los principales parámetros y precios comparados con Drex v2.0, Drex v1.5 y Jev 1.13.0.
- Drex Max v1 – 27B denso, 262,144 contexto, pesos abiertos, Decision Index 67.52, precio $0.04/1K decisiones.
- Drex v2.0 – 35B MoE, 131,072 contexto, Decision Index 61.25, precio $0.03/1K.
- Jev 1.13.0 – 9B activo, 131,072 contexto, Decision Index 58.08, precio $42/1M tareas.
Conclusiones clave
Drex Max v1 ofrece la primera versión de un modelo de decisión de 27B con pesos abiertos que corre localmente en Macs Apple Silicon, combinando rendimiento de GPU de alto nivel con la comodidad de la inferencia offline.
