# Drex 决策模型

Nace推出文档处理决策模型Drex，在解析引擎读出布局感知Markdown之后，逐页判断文字是否与页面图像一致、表格是否保持形状、勾选框是否保留，只对存疑处启动纠错。在其自建解析榜上，NDI+Drex的Parse Index为0.834，高于所测12个解析器，其中LlamaParse Agentic为0.820；在OmniDocBench、MDPBench和ExtractBench上优于单独引擎，在ParseBench和RealDocBench上与单独引擎处于噪声范围内。

Nace推出文档处理决策模型Drex，在解析引擎读出布局感知Markdown之后，逐页判断文字是否与页面图像一致、表格是否保持形状、勾选框是否保留，只对存疑处启动纠错。在其自建解析榜上，NDI+Drex的Parse Index为0.834，高于所测12个解析器，其中LlamaParse Agentic为0.820；在OmniDocBench、MDPBench和ExtractBench上优于单独引擎，在ParseBench和RealDocBench上与单独引擎处于噪声范围内。

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。

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。

Drex for Search 是一款面向 AI 智能体的检索工具，由决策模型 Drex 在智能体读任何页面之前先判断答案可能落在哪个文件夹、文件、页面，乃至电子表格的哪张表哪一列。在 6 个专业工作基准、共 529 道题上，使用该工具的编码智能体准确率从 63.1% 升到 67.1%，步数减少 62%，输入 token 减少 56%，每题中位耗时从 80.8 秒降到 35.5 秒。在 OfficeQA Pro 的 133 道题上，十个智能体与模型组合全部减少了轮次和输入 token，其中八个答对更多题。

Drex for Search 是一款面向 AI 智能体的检索工具，由决策模型 Drex 在智能体读任何页面之前先判断答案可能落在哪个文件夹、文件、页面，乃至电子表格的哪张表哪一列。在 6 个专业工作基准、共 529 道题上，使用该工具的编码智能体准确率从 63.1% 升到 67.1%，步数减少 62%，输入 token 减少 56%，每题中位耗时从 80.8 秒降到 35.5 秒。在 OfficeQA Pro 的 133 道题上，十个智能体与模型组合全部减少了轮次和输入 token，其中八个答对更多题。

Drex把“做选择”从让大模型生成文本再解析答案，改成一次前向传播直接为给定选项打分。四个开源模型中最大的Drex Max在公开决策基准Decision Index 0.4.1上得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。在Decision Bench v4上，Drex Max与d3-turbo、GPT-6 Sol统计上持平，比Claude Opus 5.5低1.6分，而典型请求耗时183毫秒。

Drex把“做选择”从让大模型生成文本再解析答案，改成一次前向传播直接为给定选项打分。四个开源模型中最大的Drex Max在公开决策基准Decision Index 0.4.1上得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。在Decision Bench v4上，Drex Max与d3-turbo、GPT-6 Sol统计上持平，比Claude Opus 5.5低1.6分，而典型请求耗时183毫秒。