Nace AI apre Drex Max v1, un modello decisionale da 27B che gira sul tuo Mac
Le aziende possono ora effettuare chiamate di routing, classificazione e verifica delle policy direttamente in locale su chip Apple, senza dover pagare le API cloud.

Cosa si potrebbe fare con questo modello
- Un'azienda potrebbe effettuare chiamate di routing, classificazione e verifica delle policy localmente su Mac con chip Apple Silicon per mantenere i dati sensibili fuori da internet ed evitare le tariffe per chiamata delle API cloud 1.
- Uno sviluppatore potrebbe integrare il modello nelle applicazioni tramite un'API comune POST /v1/systemone per attività decisionali rapide come il triage dei ticket di supporto o l'applicazione di regole di guardrail 1.
- Un team contabile aziendale potrebbe automatizzare operazioni back-office e front-office end-to-end utilizzando i modelli specializzati di Nace al decimo del costo dei grandi modelli linguistici 3.
Cosa fa effettivamente Drex Max
Drex Max è un modello denso da 27 miliardi di parametri con una finestra di contesto da 262.144 token, anche se di default usa 16.384 token per richiesta 1. A differenza di un chatbot, non genera parole. Gli invii uno stato — testo, JSON o immagini — insieme a domande con nome, e restituisce una probabilità per ogni opzione in un singolo forward pass . Le domande si presentano in tre varianti: scelta multipla tra opzioni nominate, sì-o-no, e un punteggio ordinale .
Questo design rende il modello utile per attività in cui un agente o un'applicazione deve decidere dove indirizzare una richiesta successiva, classificare un ticket di supporto o applicare una regola di guardrail. L'azienda afferma che la versione ospitata già alimentava routing, classificazione e controlli delle policy per i propri clienti 1. Ora gli sviluppatori possono eseguire la stessa logica sulle proprie macchine .
Come eseguire Drex Max v1
Autodichiarazione di Nace AI; cifre hardware e prezzi dai dettagli di lancio [1][2]
Architettura e runtime locali
Il modello utilizza un'architettura mista: 64 strati in totale, con 48 strati lineari a attenzione Gated DeltaNet che elaborano i token da sinistra a destra e 16 strati a piena attenzione posizionati ogni quarto passo, non causali, il che significa che ogni token può vedere l'intera sequenza 1. Una torre visiva nativa converte le immagini in modo che ogni domanda in una richiesta possa farvi riferimento . Lo strato di output è un readout head a 255 vie che trasforma lo stato nascosto finale in probabilità delle opzioni .
Nace ha pubblicato pesi bf16, un checkpoint GGUF Q8_0, un checkpoint affine Q4, e fork modificati sia di llama.cpp che di Ollama in modo che gli utenti possano servire il modello attraverso un'API comune POST /v1/systemone 1. L'affine Q4 gira su Mac con Apple Silicon da 24 GB di memoria o più; Q8_0 GGUF richiede 48 GB . Gli utenti di GPU NVIDIA possono eseguire la versione bf16 su una H100 oppure la versione a 8 bit su una L40S con 48 GB di VRAM . L'inference su CPU è disponibile tramite i fork di llama.cpp e Ollama .
Prestazioni che battono le versioni precedenti
Sul benchmark pubblico Decision Index 0.4, Drex Max v1 ha segnato 67,52, lasciando indietro il precedente Drex v2.0 di 6,27 punti (61,25) e Jev 1.13.0 di 9,56 punti (57,96) 1. Tutte le cifre sono autodichiarate da Nace AI . Il modello ha raggiunto inoltre 97,3 su InfographicVQA e 81,9 nella categoria strumenti della sua scomposizione per aree di competenza . Sul Decision Index di Artificial Analysis il modello si è classificato 4° su 18 testati con un punteggio di 64 . Su JevBench ha ottenuto il 92,2%, e su Decision Bench v4 ha raggiunto il 94,30% .
Nei test di Nace, le quantizzazioni hanno performato in modo affidabile. Su un Apple M5 Pro da 48 GB, la versione H100 bf16 e il modello Q8_0 GGUF hanno raggiunto una precisione corrispondente entro 0,02 di probabilità, mentre la variante affine Q4 è rimasta entro 0,0329 da Q8_0 e non ha prodotto inversioni di scelta. Le esecuzioni locali su Mac e CPU sono al momento solo per testo; il supporto alle immagini richiede il runtime Python GPU 1.
accuracy on a public decision‑making benchmark (higher is better). Più alto è meglio. Numeri: self‑reported by Nace AI [1]. Grafico di Herald of AI.
Prezzi e disponibilità
I pesi sono aperti sotto licenza Nace.AI Open RAIL-M e sono disponibili su Hugging Face 1. Al lancio il prezzo dell'API ospitata è di $0,03 per 1.000 decisioni, in calo rispetto ai $0,06 di Drex v2.0 e ai $0,04 di Drex v1.5 . L'API ospitata per Jev costa $42 per 1 milione di task . Per gli sviluppatori che vogliono fare self-hosting su Apple Silicon, il checkpoint più piccolo è l'affine Q4 da 14,45 GB . Il modello è adatto soprattutto a team che già eseguono carichi di lavoro su Mac o preferiscono mantenere la logica decisionale on-premises .
I fatti principali
- Drex Max v1 è un modello decisionale denso da 27B con finestra da 262.144 token, reso open source da Nace AI sotto licenza RAIL-M
- Ottiene 67,52 su Decision Index 0.4, superando Drex v2.0 (61,25) e Jev 1.13.0 (57,96)
- L'affine Q4 gira su Mac con Apple Silicon da 24 GB in su; Q8_0 GGUF richiede 48 GB; le GPU NVIDIA supportano le varianti bf16 e a 8 bit
- Q8_0 su M5 Pro uguaglia H100 bf16 entro 0,02 di probabilità; affine Q4 resta entro 0,0329 senza inversioni di scelta
- Il prezzo di lancio dell'API ospitata è di $0,03 per 1K decisioni, metà del costo di Drex v2.0
Fonti
Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste
Continua a leggere
App e prodottillama.cpp v1.0.0 dà stabilità al mondo in crescita dell'AI localeHerald of AI
llama.cpp v1.0.0 dà stabilità al mondo in crescita dell'AI locale
Il popolare strumento open-source che permette a chiunque di eseguire modelli di AI sul proprio computer, senza inviare dati alle grandi aziende del cloud, ha raggiunto la versione 1.0, diventando più affidabile per gli sviluppatori che costruiscono app AI private.
App e prodottiYogurt ti permette di registrare e riassumere le riunioni con un'AI che gira interamente sul tuo computerHerald of AI
Yogurt ti permette di registrare e riassumere le riunioni con un'AI che gira interamente sul tuo computer
Un'app open-source gratuita trasforma le tue chiamate in trascrizioni e riassunti senza inviare alcun dato al cloud.
Recursive Releases Flint, a 40B Open-Weight Local Coding Model for Agents
Flint è il primo modello di Recursive Superintelligence: un agente di programmazione locale veloce che gira su hardware consumer.