Sakhanda Wire
NVDA $217.09 +1.38% MSFT $533.52 +0.84% GOOGL $344.18 +1.05% META $705.44 -0.55% AMZN $262.45 +4.98%
← Към новините

Представяме Drex Max: мултимодалният модел за вземане на решения на Nace AI за агенти за работа с компютър с резултат 67,59

Nace AI пусна Drex Max — мултимодален модел за вземане на решения за агенти, които използват компютри и браузъри. Мултимодалният модел за вземане на решения Drex Max чете текст и изображения и връща калибрирани вероятности. Той не пише текст. Екипът на Nace отчита 67.59 в публичния Decision Index 0.3.2 — с 6.9 точки над Jev 1.14 на TypeSafe. За разработчиците на агенти това означава по един евтин, типизиран извик за всяко кликване.

Накратко

  • Размер: Броят параметри не е обявен. До 262 144 токена на въпрос чрез API, включително токените на изображенията.
  • Работи на: Само хостван API (drex-max в Nace Console). Не са обявени отворени тегла или квантизирани версии.
  • Производителност: 67.59 в Decision Index 0.3.2 (публичен) — най-високият резултат, който Nace посочва за който и да е модел за вземане на решения.
  • Най-добър резултат: 98.2 в BFCL за извикване на инструменти и 92.2 в JevBench спрямо 86.7 за Jev 1.14.
  • Най-слаб резултат: 19.0 в HLE и 72.5 в MMLU-Pro спрямо 82.1 за Jev 1.14.

Какво представлява Drex Max?

Drex Max е модел за вземане на решения от Nace AI, който отговаря на типизирани въпроси за текст и изображения. Това е най-точният модел в семейството Drex и единственият, който чете изображения.

Моделът за вземане на решения не генерира токени. Изпращате state и именувани въпроси. Всеки въпрос е от един от 3 типа: noul (да/не), choice (избор на етикет) или score (подредена скала). Моделът връща вероятностно разпределение за всеки отговор с 1 HTTP извикване. Drex може да отговаря само с предоставените от вас опции.

Как Drex Max работи с изображения?

Drex Max използва същата крайна точка POST /v1/systemone като всеки модел Drex. Избирате го чрез "model": "drex-max". Това е фиксиран ID, така че drex-latest не насочва към него.

Изображенията се поставят в масив images. Всеки въпрос вижда едни и същи изображения, преди състоянието и въпросите. В обикновен текст се обръщате към тях като „Изображение 1“ и „Изображение 2“. Всеки елемент е или качен файл в работното пространство, или вграден base64.

Основни правила за изображенията от ръководството за Drex Max:

  • Формати: статични PNG, JPEG или WebP.
  • До 8 изображения на заявка, по 16 MiB всяко и общо 32 MiB.
  • Всяко изображение се преоразмерява до максимум 1 638 400 пиксела (1 280 × 1 280).
  • Всяко изображение струва до 1 602 токена във всеки въпрос.
  • До 16 въпроса на заявка, с тяло на заявката до 4 MiB.

Как се представя Drex Max в бенчмарковете?

Всички резултати по-долу са от страницата на Nace за Drex. Те са самодекларирани. Nace посочва, че Drex се обучава върху официалните обучаващи дялове на индекса и се оценява върху отделени дялове.

  • Бенчмаркове за вземане на решения: Drex Max постига 67.6 в публичния Decision Index 0.3.2. Jev 1.14 постига 60.7, а Drex 2.0 — 61.3. В JevBench Drex Max достига 92.2 спрямо 86.7 за Jev 1.14.
  • Агентни бенчмаркове: Drex Max постига 0.780 в OSWorld-Verified и 98.2 в BFCL. Резултатите му са 85.2 в When2Call и 84.8 в RAGTruth.
  • Зрение: В публичния набор Decision Index Vision Drex Max постига 74.5. GPT-6 Luna Decisions постига 63.9. Mind2Web достига 88.6, а InfographicVQA — 98.8.
  • Къде изостава: Jev 1.14 води в MMLU-Pro (82.1 срещу 72.5), HLE (19.4 срещу 19.0) и ARC-Challenge (97.6 срещу 97.4). При Hateful Memes Drex Max изостава от GPT-6 Luna Decisions — 70.6 срещу 71.2.
Назад</button> <button class="btn pri" id="mtp-next">Следваща стъпка ▶</button> <button class="btn" id="mtp-play">Автоматично възпроизвеждане</button> <div class="dots"><i></i><i></i><i></i></div> </div> <p class="note">Вероятностите за отговорите са илюстрация на формата на отговора, а не реален изход от модела.</p> </div> <div class="pn" data-p="bench"> <div class="seg" id="mtp-seg"> <button class="on" data-s="di">Decision Index</button> <button data-s="ag">Агентни</button> <button data-s="vi">Зрение</button> </div> <div id="mtp-bars"></div> <p class="note" id="mtp-bnote"></p> </div> <div class="pn" data-p="vs"> <table class="vs"> <thead><tr><th>Бенчмарк</th><th style="text-align:right">Drex Max</th><th style="text-align:right">Jev 1.14</th><th>Резултат</th></tr></thead> <tbody id="mtp-vs"></tbody> </table> <p class="note">Всички данни са от страницата на Nace за Drex (самодекларирани). Jev 1.14 отхвърля 15.9% от екранните снимки поради размера им, според Nace.</p> </div> <div class="pn" data-p="lim"> <div class="grid" id="mtp-lims"></div> <p class="note">Докоснете карта за подробности. Източник: ръководството за API на Nace Drex Max.</p> </div> <div class="pn" data-p="cost"> <div class="calc"> <div> <label for="mtp-dec">Решения на ден: <b id="mtp-decv" style="color:#f5f5f4">10,000</b></label> <input type="range" id="mtp-dec" min="1000" max="1000000" step="1000" value="10000"> <label for="mtp-img">Екранни снимки на решение: <b id="mtp-imgv" style="color:#f5f5f4">1</b></label> <input type="range" id="mtp-img" min="0" max="8" step="1" value="1"> <label for="mtp-txt">Текстови токени на решение (състояние + въпрос): <b id="mtp-txtv" style="color:#f5f5f4">500</b></label> <input type="range" id="mtp-txt" min="50" max="20000" step="50" value="500"> </div> <div class="out"> <small>Очаквана дневна цена, горна граница</small> <div class="big" id="mtp-cost">$0.00</div> <small id="mtp-tok"></small> <small style="margin-top:10px">Използва $0.06 за 1 млн. входни токена и максимума от 1 602 токена на изображение. Изходните токени не се таксуват. Реалният брой токени за изображенията може да е по-нисък.</small> </div> </div> </div> <div class="ft"> <span class="src">Източници: <a href="https://www.nace.ai/drex" target="_blank" rel="noopener">nace.ai/drex</a> · <a href="https://console.nace.ai/docs/drex/guides/drex-max" target="_blank" rel="noopener">Ръководство за Drex Max</a></span> <a href="https://www.marktechpost.com" target="_blank" rel="noopener">© Marktechpost</a> </div> </div> <script> (function(){ var R=document.getElementById('mtp-drexmax'); function $(s,c){return (c||R).querySelector(s)}function $$(s,c){return Array.prototype.slice.call((c||R).querySelectorAll(s))} function post(){try{var h=R.offsetHeight+40;parent.postMessage({mtpDrexMaxHeight:h,type:'mtp-resize',height:h},'*')}catch(e){}} /* броячи */ $$('[data-count]').forEach(function(el){var to=+el.dataset.count,d=+(el.dataset.dec||0),suf=el.dataset.suf||'',sep=el.dataset.sep,t0=null; function f(v){var s=v.toFixed(d);if(sep)s=Math.round(v).toLocaleString('en-US');return s+suf} function step(ts){if(!t0)t0=ts;var k=Math.min(1,(ts-t0)/1100),e=1-Math.pow(1-k,3);el.textContent=f(to*e);if(k<1)requestAnimationFrame(step);else el.textContent=f(to)} requestAnimationFrame(step)}); /* раздели */ $$('.tab').forEach(function(b){b.addEventListener('click',function(){$$('.tab').forEach(function(x){x.setAttribute('aria-selected',x===b)}); $$('.pn').forEach(function(p){p.classList.toggle('on',p.dataset.p===b.dataset.t)}); if(b.dataset.t==='bench')drawBars(cur);if(b.dataset.t==='flow')show(stp);setTimeout(post,60);setTimeout(post,500)})}); /* поток */ var caps=['Стъпка 1: изпратете състояние с до 8 статични изображения. Всеки въпрос вижда едни и същи изображения, преди състоянието и въпросите.','Стъпка 2: задайте до 16 типизирани въпроса. Drex Max може да отговаря само с предоставените от вас опции.','Стъпка 3: едно извикване връща вероятност за всяка опция. Nace посочва медиана от 174 ms на решение на екранна снимка.']; var stp=0,timer=null; function show(i){stp=i;$$('.node').forEach(function(n){n.classList.toggle('lit',+n.dataset.n<=i)}); $$('.dots i').forEach(function(d,k){d.classList.toggle('on',k===i)});$('#mtp-cap').textContent=caps[i]; $$('.prob u').forEach(function(u){u.style.width=i===2?u.dataset.w+'%':'0'})} $('#mtp-next').onclick=function(){stopPlay();show((stp+1)%3)};$('#mtp-prev').onclick=function(){stopPlay();show((stp+2)%3)}; function stopPlay(){if(timer){clearInterval(timer);timer=null;$('#mtp-play').textContent='Автоматично възпроизвеждане'}} $('#mtp-play').onclick=function(){if(timer){stopPlay();return}this.textContent='Пауза';show(0);timer=setInterval(function(){show((stp+1)%3)},2200)}; show(0); /* ленти */ var D={di:{max:80,rows:[['Drex Max',67.6,1],['Drex 2.0',61.3],['Jev 1.14',60.7],['Drex 1.5',58.1],['GPT-6 Luna Decisions',47.8]],note:'Decision Index 0.3.2, само публични бенчмаркове, коригирани спрямо случайността. Източник: nace.ai/drex (самодекларирани резултати).'}, ag:{max:100,rows:[['Drex Max · BFCL',98.2,1],['Jev 1.14 · BFCL',96.4],['Drex Max · OSWorld-Verified',78.0,1],['Jev 1.14 · OSWorld-Verified',73.4],['Drex Max · When2Call',85.2,1],['Jev 1.14 · When2Call',81.7]],note:'OSWorld-Verified е показан ×100 (0.780 и 0.734). Източник: nace.ai/drex (самодекларирани резултати).'}, vi:{max:100,rows:[['Drex Max · Vision Index',74.5,1],['GPT-6 Luna Decisions',63.9],['Drex Max · Mind2Web',88.6,1],['GPT-6 Luna · Mind2Web',81.2],['Drex Max · CV-Bench',86.3,1],['GPT-6 Luna · CV-Bench',73.8]],note:'Decision Index Vision, публичен набор, 11 бенчмарка. Източник: nace.ai/drex (самодекларирани резултати).'}}; var cur='di'; function drawBars(k){cur=k;var d=D[k],h='';d.rows.forEach(function(r){h+='<div class="row'+(r[2]?' me':'')+'"><span class="lab">'+r[0]+'</span><div class="tr"><div class="fl" data-w="'+(r[1]/d.max*100)+'"></div></div><span class="v">'+r[1].toFixed(1)+'</span></div>'}); $('#mtp-bars').innerHTML=h;$('#mtp-bnote').textContent=d.note; requestAnimationFrame(function(){requestAnimationFrame(function(){$$('#mtp-bars .fl').forEach(function(f){f.style.width=f.dataset.w+'%'})})}); $$('#mtp-seg button').forEach(function(b){b.classList.toggle('on',b.dataset.s===k)});setTimeout(post,60)} $$('#mtp-seg button').forEach(function(b){b.onclick=function(){drawBars(b.dataset.s)}}); /* сравнение */ var V=[['Decision Index 0.3.2','67.6','60.7',1],['JevBench','92.2','86.7',1],['Decision Bench','94.3','92.3',1],['Game Bench win %','64.0','50.0',1],['BFCL','98.2','96.4',1],['OSWorld-Verified','0.780','0.734',1],['Screenshot decision','174 ms','253 ms',1],['MMLU-Pro','72.5','82.1',0],['HLE','19.0','19.4',0],['ARC-Challenge','97.4','97.6',0]]; $('#mtp-vs').innerHTML=V.map(function(r){return '<tr><td>'+r[0]+'</td><td class="n">'+r[1]+'</td><td class="n">'+r[2]+'</td><td>'+(r[3]?'<span class="pill w">Max води</span>':'<span class="pill l">Jev води</span>')+'</td></tr>'}).join(''); /* ограничения */ var L=[['16','въпроса на заявка','Същият лимит важи със или без изображения.'],['262,144','токена на въпрос','Състоянието плюс въпросът, включително токените на изображенията. На целевата страница на Nace е посочен контекст от 131K.'],['8','изображения на заявка','Статични PNG, JPEG или WebP. По 16 MiB всяко и общо 32 MiB.'],['1,602','максимум токени на изображение','Таксуват се във всеки въпрос. Изображенията се преоразмеряват до максимум 1 638 400 пиксела (1 280 × 1 280).'],['4 MiB','тяло на заявката','Вградените base64 изображения се включват в този размер, така че се побират приблизително 3 MiB байтове за изображения.'],['$0','за неуспешни заявки','Таксува се само отговор 200. Изходните токени никога не се таксуват.']]; $('#mtp-lims').innerHTML=L.map(function(l){return '<div class="lim" tabindex="0"><b>'+l[0]+'</b><span>'+l[1]+'</span><p>'+l[2]+'</p></div>'}).join(''); $$('.lim').forEach(function(c){function t(){c.classList.toggle('open');setTimeout(post,380)}c.onclick=t;c.onkeydown=function(e){if(e.key==='Enter'||e.key===' '){e.preventDefault();t()}}}); /* калкулатор */ function calc(){var n=+$('#mtp-dec').value,im=+$('#mtp-img').value,tx=+$('#mtp-txt').value,tok=n*(tx+im*1602),c=tok/1e6*0.06; $('#mtp-decv').textContent=n.toLocaleString('en-US');$('#mtp-imgv').textContent=im;$('#mtp-txtv').textContent=tx.toLocaleString('en-US'); $('#mtp-cost').textContent='$'+(c<10?c.toFixed(2):Math.round(c).toLocaleString('en-US'));$('#mtp-tok').textContent=tok.toLocaleString('en-US')+' входни токени на ден'} ['#mtp-dec','#mtp-img','#mtp-txt'].forEach(function(s){$(s).oninput=calc});calc(); window.addEventListener('load',post);window.addEventListener('resize',post);setTimeout(post,300);setTimeout(post,1200); })(); </script> </body></html> " style="width:100%;height:600px;border:0;display:block;background:transparent;" loading="lazy" scrolling="no">

Колко бърз и евтин е Drex Max?

Nace посочва медиана от 174 ms на решение на екранна снимка. Jev 1.14 отнема 253 ms за същите 243 въпроса. Nace твърди, че Drex Max приема екранни снимки с всякакъв размер, докато Jev 1.14 отхвърля 15.9% заради размера.

В таблицата си с бенчмаркове Nace отчита медианна латентност от 183 ms. Публикацията при старта посочва 34 ms на решение и под 1 секунда при 262K токена. Тези стойности са получени при различни конфигурации, затова ги разглеждайте като отделни твърдения.

Цената е $0.06 за 1 млн. входни токена. Изходните токени не се таксуват. Новите акаунти получават $25 кредит при регистрация, а неуспешните заявки не струват нищо.

Как Drex Max се сравнява с други модели за вземане на решения?

ХарактеристикаDrex MaxJev 1.14Drex 2.0d3-flash
РазработчикNace AITypeSafe AINace AIvLLM Semantic Router
ПараметриНе са обявениНе са обявени35B общо, около 3B активни (MoE)8.39B
Контекст262 144 токена на въпрос64K на заявка, 262K с хедър за дълъг контекст16 384 по подразбиране, до 131 072Не е обявен
ВходовеТекст, изображенияТекст (документация на TypeSafe)ТекстТекст, изображения, видео
ЛицензСобственически (хостван)Собственически (хостван)Nace.AI Open RAIL-MApache-2.0
Decision Index (публичен)67.6 (0.3.2)60.7 (0.3.2, според Nace)61.25 (0.3.1)57.8 (0.3.2)
Vision index (публичен)74.5Не е обявенНеприложимо69.9
Цена за 1 млн. входни токена$0.06$0.042$0.06Самостоятелно хостване, безплатен пробен период
Работи наNace Console APITypeSafe APIЕдин ускорител, bf16 около 70 GBТестван на 1 AMD Instinct MI325X

Забележка: Стойността за зрение на d3-flash е от собствената му оценка в дъската за зрение 0.3.2. Стойността на Drex Max е от собствен тест на Nace. Числата от различни доставчици не представляват контролирано сравнение.

Основни изводи

  • Drex Max е първият мултимодален модел за вземане на решения на Nace AI.
  • Той постига 67.59 в Decision Index 0.3.2 — с 6.9 повече от Jev 1.14.
  • Решенията за екранни снимки отнемат 174 ms спрямо 253 ms за Jev 1.14.
  • Цената е $0.06 за 1 млн. входни токена, а изходът е безплатен.
  • Размерът не е обявен, теглата са затворени, а резултатите са самодекларирани.

Разгледайте ръководството за Drex Max, продуктовата страница на Drex и публикацията при старта. Прочетете също предишния ни материал за Drex 1.5. Всички заслуги са за изследователя на този проект. Също така можете да ни следвате в Twitter и не забравяйте да се присъедините към нашия ML SubReddit с над 150 хил. членове и да се абонирате за нашия бюлетин. Чакайте! В Telegram ли сте? Сега можете да се присъедините към нас и в Telegram.

Преведено автоматично от английски. Оригиналната статия е на връзката по-долу.

Първоначално публикувано от MarkTechPost на

Прочетете оригинала в MarkTechPost ↗

Текстът и изображенията са собственост на MarkTechPost и са възпроизведени тук с посочване на авторството и връзка към оригиналната публикация.

← Към новините

Още новини

Всички последни новини