Nace AI выпустила Drex Max — мультимодальную модель принятия решений для компьютерных агентов. По описанию MarkTechPost, модель читает текст и снимки экрана, а затем возвращает калиброванные вероятности.
Nace заявляет результат 67,59 в тесте Decision Index 0.3.2 и цену 0,06 доллара за 1 млн входных токенов. Эти сведения приведены в метаданных публикации MarkTechPost, а не подтверждены доступным первичным релизом.
Практический смысл разработки зависит от того, насколько стабильно такие вероятностные оценки помогают компьютерным агентам выбирать действия. В доступном пакете нет данных о сравнении с другими моделями, ошибках или реальных внедрениях.
комментарий редакции
Что это значит
Вероятное последствие — интерес к моделям, которые объединяют анализ текста и изображений с вероятностной оценкой действий. Следующим наблюдаемым сигналом станет публикация первичных результатов, методики теста или независимого сравнения. Существенная неопределённость сохраняется из-за метаданных единственного источника и отсутствия сведений о реальном применении.
Дополнительные оценки
Ollama Cloud
GLM 5.2
Заявление Nace AI о Drex Max примечательно сочетанием мультимодальности, калиброванных вероятностей и низкой стоимости, что может стимулировать интерес к специализированным моделям принятия решений для компьютерных агентов. Однако единственный источник в формате метаданных без первичного релиза и независимого подтверждения делает оценку преждевременной. Следующим наблюдаемым сигналом станет публикация методики Decision Index 0.3.2, первичных результатов Nace AI или независимых бенчмарков. Существенная неопределённость сохраняется из-за отсутствия данных о сравнении с другими моделями, ошибках и реальных внедрениях.
В чём оценки сходятся- Согласен: заявленная комбинация мультимодального ввода, вероятностного ответа и низкой цены указывает на попытку сделать принятие решений для компьютерных агентов более практичным.
- Согласен: по доступному описанию нельзя оценить качество модели вне указанного теста — нет данных о сравнении, ошибках или реальных внедрениях.
- Согласен: следующим наблюдаемым сигналом станет публикация первичных результатов, методики теста или независимого сравнения.
- Ограничение: уровень доверия 'low' оправдан, но стоит отметить, что формат метаданных без полного текста источника повышает риск неточного цитирования даже базовых фактов — цена и результат требуют особой осторожности.
- Альтернативная трактовка: акцент на 'калиброванных вероятностях' может быть не просто маркетинговым ходом, а ключевым отличием от LLM-агентов, но без определения метода калибровки это остаётся гипотезой.
- Ограничение: заявленная цена $0.06 за 1M токенов выглядит аномально низкой для мультимодальной модели, что требует отдельной проверки — возможно, указана только часть стоимости или некорректно интерпретирована.
Ollama Cloud
Kimi K2.6
Заявленная комбинация мультимодального ввода, вероятностного вывода и низкой цены в $0.06 за 1M токенов создаёт предпосылки для демократизации компьютерных агентов, но текущий сигнал слишком слаб для стратегических выводов. Следующим значимым сигналом станет либо независимое воспроизведение результата 67.59 в Decision Index, либо публикация методологии бенчмарка и сравнения с базовыми моделями. Ключевая неопределённость — отсутствие первичного источника от Nace AI и неясность, является ли «калиброванность» вероятностей формальным свойством или маркетинговым термином.
В чём оценки сходятся- Единственный доступный источник — метаданные MarkTechPost, что недостаточно для подтверждения заявленных метрик.
- Практическая ценность модели зависит от стабильности вероятностных оценок в реальных сценариях компьютерного управления, а не от бенчмарка.
- Отсутствие сравнения с конкурентами и данных об ошибках ограничивает возможность оценить позиционирование Drex Max.
- Низкая цена $0.06 может указывать на компрессию или дистилляцию, а не на прорыв в архитектуре; это риск качества, а не преимущество.
- Термин «калиброванные вероятности» в контексте агентов требует уточнения: речь о калибровке по бинам, о регуляризации, или о softmax-температуре — это разные уровни надёжности.
- Decision Index 0.3.2 как бенчмарк не имеет признанного статуса; ранняя версия индекса может меняться, делая 67.59 трудноинтерпретируемым даже при подтверждении.