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%
← К новостям

Представляем Drex Max: мультимодальную модель принятия решений Nace AI для агентов, работающих с компьютером, с результатом 67,59

Nace AI выпустила Drex Max — мультимодальную модель принятия решений для агентов, использующих компьютеры и браузеры. Мультимодальная модель принятия решений Drex Max считывает текст и изображения и возвращает калиброванные вероятности. Она не пишет текст. Команда Nace сообщает о результате 67,59 в публичном Decision Index 0.3.2 — на 6,9 пункта выше, чем Jev 1.14 от TypeSafe. Для разработчиков агентов это означает один недорогой типизированный вызов на каждый клик.

Кратко

  • Размер: Количество параметров не раскрывается. До 262 144 токенов на вопрос через API, включая токены изображений.
  • Работает на: Только размещённый API (drex-max в Nace Console). Открытые веса или квантованные сборки не анонсированы.
  • Производительность: 67,59 в Decision Index 0.3.2 (публичный), это наивысший показатель, который Nace указывает для любой модели принятия решений.
  • Лучший результат: 98,2 в BFCL для вызова инструментов и 92,2 в JevBench против 86,7 у Jev 1.14.
  • Худший результат: 19,0 в HLE и 72,5 в MMLU-Pro против 82,1 у Jev 1.14.

Что такое Drex Max?

Drex Max — модель принятия решений от Nace AI, которая отвечает на типизированные вопросы о тексте и изображениях. Это самая точная модель семейства Drex и единственная, которая считывает изображения.

Модель принятия решений не генерирует токены. Вы отправляете state и именованные вопросы. Каждый вопрос относится к одному из 3 типов: noul (да/нет), choice (выбор метки) или score (упорядоченная шкала). Модель возвращает распределение вероятностей для каждого ответа в рамках 1 HTTP-вызова. Drex может отвечать только вариантами, которые вы ей предоставили.

Как Drex Max работает с изображениями?

Drex Max использует тот же эндпоинт POST /v1/systemone, что и все модели Drex. Вы выбираете её с помощью "model": "drex-max". Это фиксированный идентификатор, поэтому drex-latest не направляет запросы к ней.

Изображения передаются в массиве images. Каждый вопрос видит одни и те же изображения — до состояния и вопросов. В обычном тексте на них ссылаются как на «Image 1» и «Image 2». Каждая запись представляет собой либо загруженный файл рабочего пространства, либо встроенные данные в формате base64.

Основные правила работы с изображениями из руководства Drex Max:

  • Форматы: статичные PNG, JPEG или WebP.
  • До 8 изображений на запрос, по 16 МиБ каждое, 32 МиБ всего.
  • Каждое изображение уменьшается максимум до 1 638 400 пикселей (1 280 × 1 280).
  • Каждое изображение занимает до 1 602 токенов в каждом вопросе.
  • До 16 вопросов на запрос при размере тела запроса 4 МиБ.

Как Drex Max показывает себя на бенчмарках?

Все приведённые ниже результаты взяты со страницы Drex от Nace. Они предоставлены самой компанией. Nace сообщает, что Drex обучается на официальных обучающих выборках индекса, а оценивается на отложенных выборках.

  • Бенчмарки принятия решений: Drex Max набирает 67,6 в публичном Decision Index 0.3.2. Jev 1.14 набирает 60,7, а Drex 2.0 — 61,3. В JevBench Drex Max достигает 92,2 против 86,7 у Jev 1.14.
  • Агентные бенчмарки: Drex Max показывает 0,780 в OSWorld-Verified и 98,2 в BFCL. В When2Call результат составляет 85,2, а в RAGTruth — 84,8.
  • Зрение: В публичном наборе Decision Index Vision Drex Max набирает 74,5. GPT-6 Luna Decisions набирает 63,9. Mind2Web достигает 88,6, а InfographicVQA — 98,8.
  • Где модель уступает: Jev 1.14 лидирует в MMLU-Pro (82,1 против 72,5), HLE (19,4 против 19,0) и ARC-Challenge (97,6 против 97,4). В Hateful Memes Drex Max уступает GPT-6 Luna Decisions: 70,6 против 71,2.
Назад</button> <button class="btn pri" id="mtp-next">Следующий шаг ▶</button> <button class="btn" id="mtp-play">Автовоспроизведение</button> <div class="dots"><i></i><i></i><i></i></div> </div> <p class="note">Вероятности ответов являются иллюстрацией формы ответа, а не реальным выводом модели.</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">Агентные</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>Результат</th></tr></thead> <tbody id="mtp-vs"></tbody> </table> <p class="note">Все показатели взяты со страницы Drex от Nace (предоставлены самой компанией). Jev 1.14 отклоняет 15,9% скриншотов из-за размера, согласно Nace.</p> </div> <div class="pn" data-p="lim"> <div class="grid" id="mtp-lims"></div> <p class="note">Нажмите на карточку для подробностей. Источник: руководство по API Nace Drex Max.</p> </div> <div class="pn" data-p="cost"> <div class="calc"> <div> <label for="mtp-dec">Решений в день: <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">Скриншотов 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">Текстовых токенов на решение (состояние + вопрос): <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>Расчётная дневная стоимость, верхняя граница</small> <div class="big" id="mtp-cost">$0.00</div> <small id="mtp-tok"></small> <small style="margin-top:10px">Используется $0.06 за 1 млн входных токенов и максимум 1 602 токена на изображение. Выходные токены не тарифицируются. Фактическое количество токенов изображения может быть ниже.</small> </div> </div> </div> <div class="ft"> <span class="src">Источники: <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">Руководство 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 $$(s,c){return Array.prototype.slice.call((c||R).querySelectorAll(s))} function post(){try{var h=R.offsetHeight+40;parent.postMessage({mtpDrexMaxHeight:h,type:'mtp-resize',height:h},'*')}catch(e){}} /* счётчики */ $$('[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)}); /* вкладки */ $$('.tab').forEach(function(b){b.addEventListener('click',function(){$$('.tab').forEach(function(x){x.setAttribute('aria-selected',x===b)}); $$('.pn').forEach(function(p){p.classList.toggle('on',p.dataset.p===b.dataset.t)}); if(b.dataset.t==='bench')drawBars(cur);if(b.dataset.t==='flow')show(stp);setTimeout(post,60);setTimeout(post,500)})}); /* процесс */ var caps=['Шаг 1: отправьте состояние и до 8 статичных изображений. Каждый вопрос видит одни и те же изображения — до состояния и вопросов.','Шаг 2: задайте до 16 типизированных вопросов. Drex Max может отвечать только вариантами, которые вы предоставили.','Шаг 3: один вызов возвращает вероятность для каждого варианта. Nace указывает медианное время 174 мс на решение по скриншоту.']; var stp=0,timer=null; function show(i){stp=i;$$('.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='Автовоспроизведение'}} $('#mtp-play').onclick=function(){if(timer){stopPlay();return}this.textContent='Пауза';show(0);timer=setInterval(function(){show((stp+1)%3)},2200)}; show(0); /* столбцы */ 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, только публичные бенчмарки, скорректировано с учётом случайного угадывания. Источник: nace.ai/drex (данные самой компании).'}, 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 показан ×100 (0.780 и 0.734). Источник: nace.ai/drex (данные самой компании).'}, 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, публичный набор, 11 бенчмарков. Источник: nace.ai/drex (данные самой компании).'}}; 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)} $$('#mtp-seg button').forEach(function(b){b.onclick=function(){drawBars(b.dataset.s)}}); /* сравнение */ var V=[['Decision Index 0.3.2','67.6','60.7',1],['JevBench','92.2','86.7',1],['Decision Bench','94.3','92.3',1],['Game Bench win %','64.0','50.0',1],['BFCL','98.2','96.4',1],['OSWorld-Verified','0.780','0.734',1],['Screenshot decision','174 ms','253 ms',1],['MMLU-Pro','72.5','82.1',0],['HLE','19.0','19.4',0],['ARC-Challenge','97.4','97.6',0]]; $('#mtp-vs').innerHTML=V.map(function(r){return '<tr><td>'+r[0]+'</td><td class="n">'+r[1]+'</td><td class="n">'+r[2]+'</td><td>'+(r[3]?'<span class="pill w">Max лидирует</span>':'<span class="pill l">Jev лидирует</span>')+'</td></tr>'}).join(''); /* ограничения */ var L=[['16','вопросов на запрос','Ограничение одинаково для запросов с изображениями и без них.'],['262,144','токенов на вопрос','Состояние плюс этот вопрос, включая токены изображений. На целевой странице Nace указано контекстное окно 131K.'],['8','изображений на запрос','Статичные PNG, JPEG или WebP. По 16 МиБ каждое, 32 МиБ всего.'],['1,602','максимум токенов на изображение','Тарифицируются в каждом вопросе. Изображения уменьшаются максимум до 1 638 400 пикселей (1 280 × 1 280).'],['4 MiB','тело запроса','Встроенные изображения base64 учитываются в этом размере, поэтому помещается около 3 МиБ данных изображения.'],['$0','за неудачные запросы','Оплачивается только ответ 200. Выходные токены никогда не тарифицируются.']]; $('#mtp-lims').innerHTML=L.map(function(l){return '<div class="lim" tabindex="0"><b>'+l[0]+'</b><span>'+l[1]+'</span><p>'+l[2]+'</p></div>'}).join(''); $$('.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()}}}); /* расчёт */ 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'));$('#mtp-tok').textContent=tok.toLocaleString('en-US')+' входных токенов в день'} ['#mtp-dec','#mtp-img','#mtp-txt'].forEach(function(s){$(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">

Насколько быстро и дёшево работает Drex Max?

Nace указывает медианное время 174 мс на решение по скриншоту. Jev 1.14 требуется 253 мс для тех же 243 вопросов. Nace сообщает, что Drex Max принимает скриншоты любого размера, тогда как Jev 1.14 отклоняет 15,9% из-за размера.

В своей таблице бенчмарков Nace указывает медианную задержку 183 мс. В публикации о запуске говорится о 34 мс на решение и менее 1 секунды при 262K токенов. Эти показатели получены в разных условиях, поэтому их следует рассматривать как отдельные утверждения.

Стоимость составляет $0,06 за 1 млн входных токенов. Выходные токены не тарифицируются. Новые аккаунты получают $25 в виде бонуса при регистрации, а неудачные запросы ничего не стоят.

Как Drex Max сравнивается с другими моделями принятия решений?

ХарактеристикаDrex MaxJev 1.14Drex 2.0d3-flash
РазработчикNace AITypeSafe AINace AIvLLM Semantic Router
ПараметрыНе раскрываютсяНе раскрываются35B всего, около 3B активных (MoE)8,39B
Контекст262 144 токена на вопрос64K на запрос, 262K с заголовком длинного контекста16 384 по умолчанию, до 131 072Не раскрывается
Входные данныеТекст, изображенияТекст (документация TypeSafe)ТекстТекст, изображения, видео
ЛицензияПроприетарная (размещённая)Проприетарная (размещённая)Nace.AI Open RAIL-MApache-2.0
Decision Index (публичный)67,6 (0.3.2)60,7 (0.3.2, по данным Nace)61,25 (0.3.1)57,8 (0.3.2)
Индекс зрения (публичный)74,5Не раскрываетсяНеприменимо69,9
Цена за 1 млн входных токенов$0,06$0,042$0,06Самостоятельный хостинг, бесплатный пробный период
Работает наAPI Nace ConsoleAPI TypeSafeОдин ускоритель, bf16 около 70 ГБПротестировано на 1 AMD Instinct MI325X

Примечание: показатель d3-flash для зрения — это собственная оценка модели на vision board версии 0.3.2. Показатель Drex Max получен в собственном тестировании Nace. Числа разных разработчиков не являются результатом контролируемого сравнения.

Ключевые выводы

  • Drex Max — первая мультимодальная модель принятия решений Nace AI.
  • Она набирает 67,59 в Decision Index 0.3.2, что на 6,9 пункта выше Jev 1.14.
  • Решения по скриншотам занимают 174 мс против 253 мс у Jev 1.14.
  • Стоимость составляет $0,06 за 1 млн входных токенов, а выходные токены бесплатны.
  • Размер не раскрывается, веса закрыты, а результаты предоставлены самой компанией.

Ознакомьтесь с руководством Drex Max, страницей продукта Drex и публикацией о запуске. Также прочитайте наш предыдущий материал о Drex 1.5. Все заслуги принадлежат исследователю этого проекта. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с более чем 150 тыс. участников и подписаться на нашу рассылку. Постойте! Вы есть в Telegram? теперь к нам можно присоединиться и в Telegram.

Переведено автоматически с английского. Оригинал статьи — по ссылке ниже.

Впервые опубликовано изданием MarkTechPost

Читать оригинал на MarkTechPost ↗

Текст и изображения принадлежат MarkTechPost и приводятся здесь с указанием авторства и ссылкой на оригинальную публикацию.

← К новостям

Ещё новости

Все последние новости