Explicación de Drex Max v1: modelo de decisión 27B en Apple Silicon

La mayoría de los modelos de IA te responden con párrafos. Drex Max v1 de Nace AI hace algo diferente, y esa diferencia es el objetivo. Reportado como de código abierto el 1 de noviembre de 2026, Drex Max v1 es un modelo de decisión con 27 mil millones de parámetros. Le das un contexto y una pregunta tecleanta, y devuelve una probabilidad para cada opción en un solo paso. No genera ningún texto.

Eso lo convierte en una herramienta para las decisiones repetidas dentro del software: qué equipo debe gestionar un ticket, si una solicitud es urgente, qué ruta debe tomar el agente a continuación. En lugar de analizar la respuesta de un chatbot y esperar que el formato se cumpla, obtienes números que puedes umbralizar, registrar y probar.

El veredicto rápido

Qué es realmente un modelo de decisión

Un modelo de lenguaje normal toma una indicación y genera los siguientes tokens. Drex Max toma una forma de entrada diferente. Una petición contiene un state, que puede ser texto, JSON o imágenes, además de una o más preguntas con nombre. Cada pregunta tiene un tipo fijo:

• Elección. Elige entre opciones con nombre, por ejemplo facturación, técnica u otra.
• Sí o no. Una pregunta binaria, llamada noul en la tarjeta de modelos.
• Puntuación. Una puntuación ordinal, por ejemplo rutina, pronto o urgente.

El modelo entonces devuelve una probabilidad para cada opción. En el propio ejemplo de Nace, un ticket de doble cargo devuelve facturación a 0,9988, técnico a 0,0003 y otro a 0,0009. Esa es una decisión que puedes tomar directamente: enrutarla a facturación y solo enviar casos de baja confianza a un humano.

Como no se genera nada, no hay prosa que analizar, ni deriva en el formato, ni explicación inventada disfrazada de razón. El equilibrio es igual de claro. Drex Max no puede escribir tu respuesta, resumir un documento en prosa ni mantener una conversación. Juzga. Un modelo generativo aún tiene que hablar.

Arquitectura en términos claros

Drex Max es una columna vertebral densa de 27B con 64 capas. Cuarenta y ocho son capas DeltaNet con acceso limitado que van de izquierda a derecha, y 16 son capas de atención completa colocadas cada cuarta capa. Esas capas de atención total no son causales, por lo que cada token puede atender toda la secuencia. Ese detalle es importante para ejecutarla: el cargador agrupado aplica la atención no causal, y Nace advierte que una simple ejecución de chat causal no reproducirá las puntuaciones publicadas.

Las imágenes pasan por una torre de visión nativa y permanecen visibles para cada pregunta en una petición. Un cabezal de lectura de 255 direcciones convierte el último estado oculto en probabilidades de hasta 255 opciones por pregunta. El límite por defecto de solicitudes es de 16.384 tokens, y puede aumentarse hasta la ventana completa de 262.144 tokens.

Referencias: lo que dicen los números y lo que no dicen

Todas las puntuaciones siguientes son reportadas por Nace AI en su tarjeta modelo Hugging Face, fechada el 19 de octubre de 2026. Trátalas como resultados propios de Nace en suites públicas, no como verificación independiente. Los diferentes benchmarks no son directamente comparables, por lo que las tablas siguientes mantienen cada índice por separado.

Índice de Decisión 0.4, texto público

Drex Max lidera a Drex v2.0 por 6,27 puntos en este índice público, y a Jev 1.13.0 por 9,56 puntos. El índice público promedia 37 índices de referencia en cinco áreas. La racha cubrió 140.620 solicitudes, de las cuales 140.178 fueron puntuables y todas fueron respondidas. Las solicitudes sin respuesta cuentan como incorrectas, que es la regla correcta a tener en cuenta antes de comparar puntuaciones entre modelos.

El desglossamiento por áreas es más útil que el titular. Herramientas en 81,9 es el área más fuerte, seguida de Lenguaje con 72,2 y Recuperación con 68,8. Conocimiento y Razonamiento en 57,1 y Artes en 53,4 son más débiles, lo que encaja en un modelo construido para decisiones estructuradas más que para conocimiento amplio o juicio creativo.

Otras puntuaciones reportadas, mantenidas separadas

No los combines en un solo ranking. El índice de Análisis Artificial, por ejemplo, es una media ponderada de sus propias cuatro pruebas, y sitúa a Drex Max por detrás de tres modelos en 65 y por delante de Claude Haiku 5.5 (Bajo) en 61. La lectura honesta es más limitada: en tareas de tipo decisión, Drex Max es competitivo con el primero de su propia categoría, y más fuerte cuando la tarea parece usar o recuperar herramientas.

Lo que cuesta funcionar: hardware, no tokens

No hay precio API por token en la tarjeta modelo, así que no presupuestas esto como un chatbot alojado. El coste depende del tamaño de la descarga y del hardware. Nace publica varios puntos de control para diferentes máquinas.

Dos límites deciden la elección. Primero, las rutas locales de Mac y CPU son solo texto por ahora. Si tu decisión necesita imágenes, necesitas la ruta de Python en una GPU NVIDIA. Segundo, la cuantización aguantó bien en las pruebas de Nace: en un Apple M5 Pro de 48 GB, el Gguf del Q80 coincidía con la salida del Bf16 del H100 dentro de 0,02 por probabilidad, y el Q4 afín se mantuvo dentro de 0,0329 del Q80 sin cambios de elección. Más pequeño no cambió la respuesta seleccionada en esos tests.

Para una primera prueba, el camino práctico es el más pequeño que se adapta a tu máquina. Descarga el punto de control afín Q4 si tienes un Mac de 24 GB, o el Q8_0 GGUF si tienes 48 GB, y pruébalo en tus propios tickets, rutas o comprobaciones de políticas antes de confiar en cualquier puntuación pública. Un conjunto de benchmarks no es tu carga de trabajo.

Qué configuración elegir

Si tienes un Mac de 24 GB y decisiones solo de texto: usa el punto de control afín Q4 a través de Kapitsa o MLX, y prueba primero con tus categorías reales.

Si tienes un Mac de 48 GB y decisiones solo de texto: usa el Q8_0 GGUF a través de llama.cpp, Ollama o Kapitsa. Está más cerca de la salida completa de bf16 y sigue funcionando localmente.

Si necesitas decisiones de imagen: usa la ruta de Python en una GPU NVIDIA con pesos bf16 o de 8 bits. No esperes que las versiones para Mac gestionen imágenes todavía.

Si no quieres ejecutar ningún modelo: usa la versión alojada de Nace para enrutamiento, clasificación y comprobaciones de políticas, y consulta su precio actual en la consola Nace antes de construir sobre ella. La tarjeta de modelo no publica un precio alojado, así que esta publicación no inventa ninguno.

El problema de la licencia para leer antes del uso comercial

Los pesos abiertos no son lo mismo que el código abierto. Obtienes los pesos, pero no necesariamente los datos de entrenamiento ni una licencia permisiva de código abierto. Drex Max se publica bajo la licencia Nace.AI Open RAIL-M. Un listado independiente que lea las señales de licencia merece la pena comprobarlo con tu propia revisión legal, incluyendo el uso comercial gratuito solo bajo umbrales de ingresos y financiación, y una barra para productos de decisión competidora. Lee la licencia real en el repositorio de modelos antes de enviar un producto comercial en él. Para pruebas personales, de investigación o internas, la versión local es la forma fácil de evaluarlo.

Por qué esta versión es importante para los agentes de IA

Los agentes fallan la mayoría de las veces no en la generación, sino en las pequeñas decisiones entre pasos: enrutar esto, escalar aquello, permitir esta llamada a la herramienta, bloquear aquella. Un modelo generativo puede responder a esas preguntas, pero responde en prosa, y la prosa necesita ser analizada. Un modelo de decisión devuelve una distribución de probabilidad sobre un conjunto fijo de opciones, que es exactamente lo que quiere un enrutador de agentes, una cola de triaje o una barrera de seguridad.

Por eso también importa el ángulo local. Las comprobaciones de enrutamiento y políticas suelen tocar tickets sensibles, documentos o capturas de pantalla. Ejecutar la decisión localmente mantiene ese contexto en tu propio hardware en lugar de enviarlo a un servicio alojado para cada juicio. Drex Max no es un sustituto de un chatbot frontier. Es un juez especializado que puedes ejecutar junto a uno, y el lanzamiento open-weights del 1 de noviembre es lo que hace que esto sea práctico para desarrolladores con un Mac o GPU capaz.

¿Quieres crear agentes que utilicen este tipo de enrutamiento en producción? Lee nuestras guías sobre servicios de desarrollo de agentes de IA y cómo contratar una agencia de automatización de IA. Para más lanzamientos de peso abierto, consulta Mistral Large 4 open weights explicados, Liquid AI LFM3 explicado, Kimi K3.1 Pro explicado y Apple Intelligence en China en Alibaba Qwen.

Fuentes: tarjeta de modelo Nace AI en Hugging Face (https://huggingface.co/nace-ai/drex-max-v1), cobertura de MarkTechPost reportada el 1 de noviembre de 2026 (https://wisevoter.com/world/2026/11/01/nace-ai-open-sources-drex-max-v1), y cobertura de Artiverse, que señala que está patrocinada por Nace AI (https://www.artiverse.ca/drex-max-puts-a-27b-decision-model-on-apple-silicon/).

¿Qué es Drex Max v1?

Drex Max v1 es un modelo de decisión de 27 mil millones de parámetros de Nace AI. Responde preguntas mecanografiadas sobre un contexto dado con probabilidad para cada opción, en una sola pasada hacia adelante, y no genera texto.

¿Es Drex Max un chatbot?

No. No chattea, no escribe prosa ni genera respuestas. Juzga entre las opciones que defines, lo que lo hace útil para enrutamiento, triaje, clasificación y comprobaciones de protección dentro de software y agentes de IA.

¿Puede Drex Max funcionar en un Mac?

Sí, para decisiones de texto. El punto de control afín Q4 funciona en Macs Apple Silicon con 24 GB o más de memoria a través de Kapitsa o MLX, y el Q8_0 GGUF necesita 48 GB. Las decisiones de imagen siguen necesitando la ruta en Python en una GPU NVIDIA.

¿Cuál es la puntuación de referencia principal de Drex Max?

Nace informa de 67,52 en el Índice de Decisión 0,4 para texto público, por delante de Drex v2.0 con 61,25 y Jev 1.13.0 con 57,96. Estas son puntuaciones reportadas por el fabricante, así que prueba el modelo con tu propia carga de trabajo antes de confiar en ellas.

¿Es Drex Max gratuito y de código abierto?

Los pesos son públicos bajo la licencia Nace.AI Open RAIL-M, pero eso es peso abierto, no código abierto en sentido estricto. Consulta la licencia para los límites comerciales antes de enviar un producto con él.

¿Cuánta información puede manejar Drex Max?

Hasta 262.144 tokens, con 16.384 tokens como predeterminado por solicitud. Sube el límite solo si tus solicitudes realmente necesitan la ventana más larga.

• drex max
• nace ai
• decision model
• open weight models
• apple silicon
• ai agents