决策不再靠大模型写答案：Drex Max 在公开决策套件拿 67.52，单次前向 183 毫秒
核心概要
Drex 把“做选择”从生成文本改成一次前向打分：给定上下文、问题和候选选项，模型直接为每个选项输出概率，不再解析大模型写出的答案。四个开源决策模型中最大的 Drex Max 在 Decision Index 0.4.1 公开套件上得 67.52，对比 Jev 1.14.0 的 60.70；加入私有测试后分数下降不到一分。它在 Decision Bench v4 的原始图像输入下与 d3-turbo、GPT-6 Sol 统计上持平，典型请求耗时 183 毫秒。
深度剖析
生产环境里大量 AI 任务其实是做选择，比如工单分给哪个团队、智能体下一步点哪个按钮、某段文字是否回答了问题；Drex 让这类任务不再经过生成文本再解析的环节。 常见做法是让大模型先思考再输出答案文本，再从文本里解析出选择，这个过程慢、成本高，而且同一输入会给出不同答案。 在 Decision Index 0.4.1 公开套件上，Drex Max 得 67.52，对比的 Jev 1.14.0 为 60.70；加入私有测试后它的分数下降不到一分。
Drex 的输入是上下文、问题和一组候选选项，一次前向传播就为每个选项返回一个概率，因此它无法回答给定选项之外的问题。 三个指针模型先把输入编码一次，再用一个小型指针头为每个问题的选项打分；Drex Max 则是 27B 多模态模型，使用双向注意力和对选项编码的线性读出层。 训练配方中的 RLAF 按验证过的答案给奖励，并用评判模型的概率调整，同时不偏离监督模型，比单用监督训练多出 2 个指数点。
启示与展望
报告覆盖四个 Drex 模型的构建方式、训练配方、与决策专用模型及前沿模型的完整评测、生产环境的服务方式，以及仍存在的局限，其中闭卷知识被列在首位；四个模型均已开源，权重和推理代码发布在 GitHub 与 Hugging Face，Drex Max 另通过 Drex API 提供。
Drex Max 在 Decision Bench v4 的原始图像输入下与 d3-turbo、GPT-6 Sol 统计上持平，落后 Claude Opus 5.5 1.6 个百分点；在 JevBench-231 上只是接近顶尖决策模型；闭卷知识被列为仍存在的局限之一。