Drex Max 把视觉决策压到毫秒级：公开决策指数 67.6，单次决策 183 毫秒
核心概要
Nace 发布决策模型 Drex Max，它直接读取截图、录屏、扫描文档、图表或照片，对调用方给定的一组带类型问题，一次前向计算就为每个选项返回概率。计算机使用智能体一个任务往往要做三十次这类小决定，过去每次都要把截图发给大型前沿模型并等待数秒；Drex Max 在公开决策指数 0.4.0 上得 67.6，高于 Drex v2.0 的 61.3，中位 API 延迟 183 毫秒，每千次决策 0.06 美元。
深度剖析
决策模型开始直接处理视觉输入：Drex Max 接受截图、录屏、扫描文档、图表或照片，配合一组带类型的问题，一次前向计算返回每个候选选项的概率。 此前的做法是把截图交给大型前沿模型，等它写出答案，单次决策要数秒；Drex Max 面向的是智能体循环里那些高频的小决定。 在公开决策指数 0.4.0 上，Drex Max 得 67.6，Drex v2.0 为 61.3，Drex v1.5 为 58.1，Jev 1.14 为 60.7，GPT-6 Luna Decisions 为 47.8。
它不生成文本，只对输入做一遍计算并给每个选项打分，因此调用成本不随选项数量增加。 生成式模型按写出的 token 计费，选项越多写得越多；Drex Max 的决策成本是一次输入遍历。 中位 API 延迟为 183 毫秒，每千次决策 0.06 美元；对照的 GPT-6 Sol 约为 2.0 秒、每千次 3.33 美元，Claude Opus 5.5 约为 3.5 秒、每千次 10.17 美元。
启示与展望
报道范围限于 Nace 公布的 Drex Max 发布信息与基准表：决策、知识、推理、智能体、效率五类指标，以及视觉决策指数中的感知、文档图表、智能体和推理安全分组。读者对象是构建计算机使用智能体的研究人员与工程师；材料展示的是预订航班和观看实时摄像头两类录制演示，未给出这些演示的量化结果。
材料称 Drex Max 是首个在公开决策指数 0.4.0 上领先的决策模型，但该指数为公开榜单，表中其他系统并非都参与排名。视觉决策指数只与 GPT-6 Luna Decisions 对照，且 KIE 与 Hateful Memes 两项 Drex Max 低于对方。延迟数字为含网络的中位 API 时间，约数用 ~ 标出。