Nace AI 釋出決策模型 Drex 技術報告：響應僅 183 毫秒，權重已開源

很多業務流程不需要大模型寫出洋洋灑灑的小作文，只需要它在幾個固定選項裡快速給出一個靠譜的判斷。

Nace AI 釋出的 51 頁技術報告，正是衝著這個場景來的。這次披露的 Drex 決策模型家族專門用來從固定選項中挑出最可能的答案。

專攻單選題的輕量高手

Drex v1.5 的訓練基於 115 萬條帶有核實答案的真實決策樣本，覆蓋從審查合同到識別釣魚郵件等任務。

隨後，團隊通過更大尺寸的模型引入 RLAF 訓練，教它校準每一項答案的置信度，讓給出的機率百分比真正對齊實際準確率。

在實際測試中，Drex Max 標記一份疑似重複付款的發票，整輪呼叫成本還不到 1 美分。

根據 Nace 的測試資料，它的中位響應時間只有 183 毫秒，而同樣任務下 GPT-6 Sol 往往需要大約 2 秒。

目前 Drex Max、v2.0 和 v1.5 的程式碼與權重已經上線 Hugging Face，支援本地部署，普通使用者也可以在 Nace Console 上傳文件免費體驗。不過，Drex Max 1.1 以及針對金融場景的 Drex for Finance 依然保持閉源，專供企業客戶。

為什麼重要

我們認為，Nace AI 這步棋走得相當務實。在風控、稽核和郵件過濾這類高頻決策流水線上，用笨重的大語言模型不僅成本高，兩秒的延遲也太慢。Drex 把任務收斂到機率判斷，換來了毫秒級的響應和極低成本。

不過這類模型的侷限也很明顯，它只擅長封閉式的選項判斷，無法應對需要發散或多步複雜推理的開放任務。

但對開發者而言，如果你的業務痛點只是快速分類與風險篩查，把它部署在本地跑一跑，價效比會非常突出。