Modelle

Drex Max v1: Antworten als Wahrscheinlichkeit, nicht als Text

Nace AI öffnet sein 27-Milliarden-Entscheidungsmodell: Ein Forward-Pass liefert Wahrscheinlichkeiten für bis zu 255 Optionen - generiert wird nichts.

, Redaktion KI Fachblatt · mit KI-Unterstützung erstellt, redaktionell verantwortet (so arbeiten wir) · · 3 Min. Lesezeit

Schematische Darstellung: links ein Dokument mit Fragen, Pfeil in der Mitte, rechts drei Optionen mit Wahrscheinlichkeiten in Prozent
Rein Kontext und Fragen, raus Wahrscheinlichkeiten: Drex Max v1 bewertet bis zu 255 Optionen in einem Forward-Pass - Beispielwerte aus der Modellkarte [1]. · Eigene Grafik (Redaktion)
Kurz gesagt
  • Drex Max v1 ist ein dichtes 27-Milliarden-Parameter-Entscheidungsmodell: Es beantwortet benannte Fragen zu einem Kontext mit Wahrscheinlichkeiten pro Option in einem einzigen Forward-Pass; es generiert keinen Text [1].
  • Architektur: 64 Schichten - 48 Gated-DeltaNet-Linear-Attention-Schichten und 16 nicht-kausale Voll-Attention-Schichten; Kontext standardmäßig 16.384 Tokens, erweiterbar bis 262.144 [1].
  • Nach Herstellerangaben 67,52 Punkte auf dem hauseigenen Decision Index 0.4 und 64 auf dem Artificial Analysis Decision Index (Rang 4 von 18) - beides nicht unabhängig geprüft [1].
  • Gewichte unter Nace.AI Open RAIL-M (kommerzielle Nutzung unter Schwellenwerten erlaubt), Code unter Apache 2.0; lauffähig auf NVIDIA-GPU und Apple Silicon ab 24 GB [1][3][5].

Die meisten Sprachmodelle erzeugen Text, aus dem man eine Entscheidung herauslesen muss. Nace AI baut die Gegenrichtung: Seine Drex-Modelle nehmen einen Kontext und benannte Fragen entgegen und liefern pro Frage Wahrscheinlichkeiten für die vorgegebenen Optionen - in einem einzigen Forward-Pass, ohne dass ein Token generiert wird. Am 1. November meldete der unabhängige Release-Tracker AIFOD die offenen Gewichte von Drex Max v1, dem stärksten Modell der Reihe; das Gewichts-Repository ist seit dem 13. Oktober auf Hugging Face [1][4].

Die Eckdaten

Drex Max v1 im Überblick (Herstellerangaben) [1][2][3][5]
EigenschaftWert
ArchitekturDichtes 27B-Modell, 64 Schichten: 48 Gated-DeltaNet-Linear-Attention-Schichten (kausal) und 16 nicht-kausale Voll-Attention-Schichten (jede vierte)
Ausgabe255-Wege-Readout-Kopf: Wahrscheinlichkeiten für bis zu 255 Optionen; Fragetypen choice, noul (Ja/Nein), score
Kontextfenster16.384 Tokens pro Anfrage (Standard), erweiterbar bis 262.144 Tokens
MultimodalText und Bilder; Bilder nur über den Python-Pfad, nicht im GGUF
Speicherbedarfbf16-Gewichte ca. 49 GB; Backbone in 8-bit ca. 26 GB; Q8_0-GGUF 48 GB RAM; affines Q4 ab 24 GB (Apple Silicon)
LizenzenGewichte: Nace.AI Open RAIL-M (Version 1.0, Oktober 2026); Code: Apache 2.0
Hosted-APIModelle drex-max und drex-max-v1.1; 0,03 US-Dollar pro Million Eingabetokens, Ausgabetokens unberechnet

Was ein Entscheidungsmodell anders macht

Eine Anfrage besteht aus einem Zustand (state) und einer oder mehreren benannten Fragen. Das Modell bewertet jede Frage gegen denselben Kontext und antwortet mit Wahrscheinlichkeiten: Im Beispiel der Modellkarte wird ein Support-Ticket der Option billing mit 99,88 Prozent zugeordnet, technical liegt bei 0,03 Prozent [1]. Solche Verteilungen lassen sich direkt an Schwellenwerte und Automatisierungslogik hängen - ohne Parsing freien Texts. Technisch entscheidend: Die 16 Voll-Attention-Schichten arbeiten nicht-kausal, jedes Token kann die ganze Sequenz sehen. Der mitgelieferte Loader setzt das um; ein gewöhnlicher kausaler Chat-Lauf reproduziert die gemeldeten Werte nicht [1].

Die gemeldeten Messwerte

Auf Nace AIs eigenem öffentlichen Decision Index 0.4 - 37 Benchmarks in fünf Bereichen, 140.178 auswertbare Anfragen, unbeantwortete Anfragen zählen als falsch - erreicht Drex Max nach Herstellerangaben 67,52 Punkte, der Vorgänger Drex v2.0 (35B, MoE mit rund 3B aktiven Parametern) 61,25 [1][3]. Auf dem Fremdindex Artificial Analysis Decision Index liegt das Modell laut Modellkarte bei 64 Punkten und Rang 4 von 18, einen Punkt hinter drei Modellen mit 65 und vor Claude Haiku 5.5 (Low) mit 61 [1]. Beim Bildverstehen meldet die Karte einen Vision-Index von 73,92, darunter 97,3 auf InfographicVQA, aber auch Schwachstellen: 40,6 bei Moderation (Hateful Memes) und 38,6 auf R-Bench-M [1].

Drex Max v1: Bereichswerte auf dem Decision Index 0.4
Daten als Tabelle
Zufallskorrigierter Skill × 100
Wissen & Schlussfolgern57,1
Sprache72,2
Retrieval68,8
Tools81,9
Arts53,4

Herstellerangaben aus der Modellkarte (Messstand 19.10.2026), nicht unabhängig verifiziert [1]. Zufallskorrigierte Skill-Werte mal 100 je Bereich; der Gesamtindex von 67,52 bildet sich aus 37 Benchmarks und ist kein Durchschnitt dieser fünf Werte.

Lokal betreiben

Die Karte nennt drei getestete Wege: Python auf NVIDIA-GPU (H100 80 GB mit bf16, L40S 48 GB mit 8-bit-Backbone), llama.cpp- und Ollama-Forks (Branch drex-max-v1) auf Apple Silicon und CPU, sowie Kapitsa und MLX für das affine Q4-Checkpoint ab 24 GB. Auf einem Mac mit M5 Pro (48 GB) lagen die Q8_0-Antworten laut Karte innerhalb von 0,02 der bf16-Referenz [1]. Zu beachten: Bilder stecken nicht im GGUF, sie laufen nur über den Python-Pfad; das Standardlimit von 16.384 Tokens pro Anfrage lässt sich per Umgebungsvariable bis auf 262.144 Tokens anheben [1]. Die Verbreitung ist bislang gering: 192 Downloads im letzten Monat auf Hugging Face [1].

Einordnung

Drex Max v1 ist kein Chat-Ersatz, sondern ein Baustein für Systeme, die klassifizieren, routen oder freigeben: Tickets verteilen, Inhalte prüfen, nächste Schritte wählen. Dass ein dichter 27B-Entscheider auf dem hauseigenen Index den größeren MoE-Vorgänger schlägt, ist plausibel, aber eine Herstellerrechnung - der Decision Index 0.4 stammt von Nace AI selbst. Die Lizenz ist zweigeteilt: Der Code steht unter Apache 2.0, die Gewichte unter einer Open-RAIL-M-Variante: kommerzielle Nutzung ist erlaubt, solange Umsatz und Funding der Organisation unter je einer Million US-Dollar liegen (persönliche Nutzung und Forschung ausgenommen); darüber verlangt Nace AI eine separate Lizenz, und die Nutzungsbeschränkungen sind an Weiterempfänger weiterzugeben [3][5]. Wer einfach nur ausprobieren will, findet das Modell auch als Hosted-API für 0,03 US-Dollar pro Million Eingabetokens [2].

Methode

Analyse auf Basis der Hugging-Face-Modellkarte, der Hersteller-Dokumentation, des Code-Repositorys, des Lizenztexts und des unabhängigen Release-Trackers; alle Quellen wurden gelesen. Sämtliche Messwerte sind Herstellerangaben und als solche gekennzeichnet; Werte konkurrierender Modelle aus Herstellertabellen werden nicht als deren eigene Werte wiedergegeben.

Grenzen

Keine eigenen Benchmark- oder Inferenz-Tests. Der Decision Index 0.4 ist eine Hersteller-Suite; die Platzierung auf dem Artificial Analysis Decision Index stammt aus der Modellkarte und wurde nicht am Originalindex gegengeprüft. Verbreitungs- und Stabilitätsaussagen sind wegen der geringen Downloadzahl (192 im letzten Monat) nicht möglich.

Quellen

  1. nace-ai/drex-max-v1 - Modellkarte, Hugging Face / Nace AI (abgerufen 2026-11-02) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
  2. Drex Max - Drex Docs, Nace AI (abgerufen 2026-11-02) ↩1 ↩2
  3. nace-ai/drex-decision-models - Repository, GitHub / Nace AI (abgerufen 2026-11-02) ↩1 ↩2 ↩3 ↩4
  4. AI Model Releases - November 2026 (Live Tracker), AIFOD / af.net (abgerufen 2026-11-02) ↩
  5. Nace.AI Open RAIL-M License (Modified), Version 1.0, Hugging Face / Nace AI (abgerufen 2026-11-02) ↩1 ↩2 ↩3

Häufige Fragen

Was ist der Unterschied zwischen Drex Max v1 und einem Chat-Modell?

Ein Chat-Modell generiert Text; Drex Max v1 generiert nichts. Es bekommt einen Kontext plus benannte Fragen und liefert Wahrscheinlichkeiten für die vorgegebenen Optionen - bis zu 255 je Frage, in einem Forward-Pass [1].

Welche Hardware brauche ich für Drex Max v1?

Nach Herstellerangaben: NVIDIA-GPU mit ca. 49 GB für bf16 oder ca. 26 GB mit 8-bit-Backbone; auf Apple Silicon läuft das affine Q4-Checkpoint ab 24 GB, das Q8_0-GGUF braucht 48 GB [1].

Ist Drex Max v1 Open Source?

Der Code steht unter Apache 2.0. Die Gewichte stehen unter Nace.AI Open RAIL-M: frei zugänglich inklusive kommerzieller Nutzung unterhalb von Schwellenwerten (je eine Million US-Dollar Umsatz oder Funding), aber mit Nutzungsbeschränkungen, die weitergegeben werden müssen - keine OSI-Freigabe [3][5].

Wie belastbar sind die Benchmark-Werte?

Der Decision Index 0.4 ist Nace AIs eigene Suite; die Werte sind Herstellerangaben (Messstand 19.10.2026). Der Artificial-Analysis-Wert (64, Rang 4 von 18) stammt aus der Modellkarte und wurde von uns nicht am Original gegengeprüft [1].

Wo liegt Drex Max v1 im Vergleich zum Vorgänger?

Nach Herstellerangaben übertrifft der dichte 27B-Nachfolger Drex v2.0 (35B-MoE) auf dem eigenen Index: 67,52 gegenüber 61,25 Punkten [1][3].

Weiterlesen