Drex开源四个决策模型：一次前向传播为每个选项打分，典型请求183毫秒

决策任务不再需要大模型先写出推理文本再从中解析答案，而是把上下文、问题和候选选项一起输入，由一次前向传播为每个选项返回一个概率。 此前的常见做法是让大模型思考并解析其文本输出，速度慢、成本高，而且同一输入会得到不同答案。 在公开决策基准Decision Index 0.4.1上，Drex Max得67.52，对比Jev 1.14.0的60.70；加入私有测试后其分数下降不到1分。

Drex Max是一个27B多模态模型，采用双向注意力和对选项编码的线性读出，直接读原始图像而非图像的文字描述。 三个pointer模型只编码一次输入，再用小型pointer头为每个问题的选项打分；Drex Max则在此基础上扩展到多模态和更大规模。 在纯图像问题上，Drex Max依据图像的文字描述作答正确率为63%，直接读原始图像时为98%。

训练配方中的RLAF用经裁判概率调整的已验证答案作为奖励，同时不偏离监督模型。 相比只用监督训练，RLAF带来2个索引点的提升。 该增益是在报告给出的索引指标上测得的，报告同时列出与决策专用模型和前沿模型的完整评测。

报告覆盖四个开源模型的构建、训练配方、与决策专用及前沿模型的完整评测，以及生产服务方式；模型只能在给定选项集合内作答，无法回答集合之外的问题。

报告自述仍存在局限，其中排在首位的是闭卷知识；Drex Max在Decision Bench v4上比Claude Opus 5.5低1.6分，在Artificial Analysis Decision Index上得64分，处于三个领先决策模型两点以内。