先看证据
把机制串起来
生成式模型是先续写一段文字，再从文字里解析答案；决策模型则直接在调用者给定的候选项之间打分。Drex 的概率只回答“这些选项里哪个更合适”，不代表它能提出选项，也不等于模型对真实世界的置信度经过校准。
输入由 state（文本或 JSON）和带类型的问题组成，支持 choice、noul（是／否）和 score（有序评分）；模型只为给定选项输出概率，不采样文本，因此 temperature、top_p 不适用。骨干 MiMo-V2.6-Distill-Qwen-9B 有 32 层混合注意力结构，另接一个 pointer head，根据隐藏状态给每个候选项打分；公开材料没有披露更细的打分公式，不宜臆测。每个问题需要对 state 做一次前向计算；llama.cpp 可让多个问
['适合路由、分类、工具选择等答案集合明确的工作流', '先检查候选项是否完整；模型不会自行补出遗漏答案', '长文档结果来自特定测试，须用本业务数据复测准确率与延迟', '不适合开放式问答或细粒度情感分析等需丰富输出的任务']
把答案空间交给调用者
Nace.AI推出并开放权重的 Drex 1.5，是一款面向代理和后台工作流的9B决策模型。它读取一段状态信息和带类型的问题，再为调用者提供的选项返回概率；它不生成开放式文字答案，目标是处理分类、路由和工具选择这类答案范围预先确定的任务。
这次发布值得技术负责人细看，不在于它又多了一个能读长文本的模型，而在于接口边界变了：传统聊天模型先生成文字，应用再从文字里解析决定；Drex试图直接输出候选项的分数。它把“怎么表达答案”从模型的自由生成能力中拿走，换来更明确的输出结构，但也把“有没有列对选项”留给了调用者。
一次前向传播，不等于替你定义问题
Drex 1.5的请求由状态和问题组成，问题支持多选、是／否和有序评分三类。模型卡披露，它以 MiMo-V2.6-Distill-Qwen-9B 为骨干，约8.95B参数，并使用独立的 pointer head 根据骨干隐藏状态给每个候选项打分。每个问题需要对状态运行一次前向传播；在 llama.cpp 实现中，同一状态可以编码一次，再供多个问题共享。
这种设计减少了自由文本生成和答案解析环节，却没有消除判断错误。模型只能在你提供的选项中作答，候选项漏掉真实可能性时，它仍会在剩余选项里给出分数；输入状态理解错了，结构化概率也不会自动纠正它。公开材料还没有充分说明概率校准方法，因此概率不应未经验证就被当成业务置信度或风险分数。
榜单接近，强弱项并不平均
在 Decision Index 0.3.1 的公开部分，Nace报告 Drex 1.5 得分为58.08，Jev 1.13.0 为57.96，Bespoke Nimble 9B v3 为57.19。Drex与Jev只差0.12分，且三者都处在榜单所称的0.9分并列带内，因此“10B以下最高分”必须限定在这套榜单及其口径里，不能读成明确胜过同类模型。Drex的分数由Nace运行官方评测套件得出，公开材料没有提供独立第三方复现。
分项结果比总分更能提示部署方向：模型卡列出的 Tools 区域得分为75.0，Knowledge and Reasoning 为44.6。在231个公开项目的 JevBench 上，Drex为86.2%，略低于Jev的87.0%，困难题两者均为73.9%；而在细粒度情感任务 ACOS aspect sentiment 上，Drex的每条评论F1只有7.4%，Jev为29.5%。这组落差说明，擅长在选项中作出工具类判断，不代表它适合所有结构化任务。
长上下文是证据，也是部署成本
Drex的另一项突出结果来自长文档评测。Nace报告，在8K至32K tokens区间准确率为89.5%，32K至128K区间为93.4%；把同一批请求截断到8K后，两段结果分别降至76.5%和78%。这些数据支持一个具体判断：当任务依赖分散在长材料中的信息时，保留上下文可能比盲目截短更重要。但这是模型方报告的测试结果，不是独立复测，也不能直接推导出所有长文档任务都会随长度提升表现。
部署上，模型卡称默认上下文为16,384 tokens，最高131,072；bf16权重约18GB，并报告在一张24GB A10G上测试。团队可选择 CUDA 上的 Python 运行时、Nace分支的 llama.cpp、加入决策能力的 Ollama 分支，也可使用托管服务；Q8_0 GGUF约9.5GB，材料称其可在 Apple 芯片和 CPU 上运行。多条路径让自托管更可行，但长上下文并非免费：显存、推理延迟和实际吞吐仍须按具体状态长度与并发量验证，现有材料不足以给出通用成本结论。
先验证选项设计，再谈替换聊天模型
对工程团队来说，Drex更适合作为一个专用决策组件来评估，而不是直接替换通用聊天模型。候选动作本来就明确、结果可从业务日志核验的工作流，例如路由或工具选择，最容易检验它是否减少了解析复杂度；相反，需要临时提出新选项、解释理由或综合开放知识的任务，并不符合它的接口优势。模型的输出受限，意味着应用需要承担候选项设计、兜底路径和异常处理。
还要把“开放权重”拆开看：代码仓库标注 Apache-2.0，模型权重采用 Nace.AI Open RAIL-M，两者不是同一许可证，商业或特定用途应以权重许可证全文为准。实际试点可先用自有留出数据检查选项覆盖、错误代价和概率校准，再比较本地部署与托管路径；同时记录失败时是否需要回退到人工或其他模型。若任务不能被稳定地写成封闭选项，或者误选的代价高于输出结构带来的收益，Drex的“直接打分”就不是简化，而只是把复杂性移到了系统边界。