Drex Max 把决策模型做成“看图就答”：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，它不再生成文字，而是接收截图、录屏、扫描文档、图表或照片以及一组带类型的问题，一次前向计算就为每个候选选项给出概率。在公开的 Decision Index 0.4.0 上它取得 67.6，高于同系列 Drex v2.0 的 61.3 和 Drex v1.5 的 58.1；公开视觉指数为 74.5。按调用方看到的中位 API 时延计，每次决策 183 毫秒，每千次决策 0.06 美元。
深度剖析
计算机使用智能体在任务中要连续做大量小决定，例如点哪个按钮、填哪个字段、打开哪条搜索结果、页面是否加载完毕，单个任务可能累积三十次这样的判断。Drex Max 把这类判断从“让前沿大模型写一段回答”改成“对给定选项直接打分”，并首次让决策模型能读图像与视频。 此前的做法通常是每一步把截图发给大型前沿模型，等它用数秒写出答案；Drex Max 之前的 Drex v2.0 与 v1.5 也不具备视觉输入。 公开的 Decision Index 0.4.0 上，Drex Max 为 67.6，Drex v2.0 为 61.3，Drex v1.5 为 58.1，同表的 Jev 1.14 为 60.7；视觉侧公开 Vision Index 为 74.5，对照的 GPT-6 Luna Decisions 为 63.9。
它不写任何 token，因此一次决策只对输入做一遍前向计算，无论要打分的选项有多少，成本都不随输出长度增长。 生成式模型按写出的 token 计费，选项越多、解释越长，代价越高；Drex Max 把成本固定在一次前向计算上。 按调用方看到的中位 API 时延（含网络）计，Drex Max 为 183 毫秒，GPT-6 Sol 约 2.0 秒，Claude Opus 5.5 约 3.5 秒；每千次决策成本 0.06 美元，对应两者分别为 3.33 美元和 10.17 美元。
启示与展望
报道范围限于 Nace 公布的 Drex Max 发布信息与随附基准表：决策、视觉、知识、推理、智能体与效率六类指标，以及通过 Nace API 以每百万输入 token 0.06 美元、262K token 上下文提供的可用性。文中演示的订机票与实时摄像头场景是发布方给出的录屏示例，未报告独立复现。
发布方称 Drex Max 在公开 Decision Index 0.4.0 上位列决策模型之首，但该指数为公开榜单，表内 GPT-6 Sol 与 Claude Opus 5.5 在 Decision Index 一行未给出数值。表中亦显示它在 When2Call 上为 85.2，低于 Drex v2.0 的 86.5 与 Drex v1.5 的 89.7，在 KIE 与 Hateful Memes 上也略低于各自对照。