Explication du Drex Max v1 : modèle de décision 27B sur Apple Silicon

La plupart des modèles d’IA vous répondent par des paragraphes. Drex Max v1 de Nace AI fait quelque chose de différent, et cette différence est tout l’enjeu. Rapporté comme open source le 1er novembre 2026, Drex Max v1 est un modèle de décision à 27 milliards de paramètres. Vous lui donnez un contexte et une question tapée, et il retourne une probabilité pour chaque option en un seul passage avant. Il ne génère aucun texte du tout.

Cela en fait un outil pour les décisions répétées dans le logiciel : quelle équipe doit gérer un ticket, si une requête est urgente, quelle voie un agent doit emprunter ensuite. Au lieu d’analyser la réponse d’un chatbot en espérant que le format tient, vous obtenez des chiffres que vous pouvez limiter, enregistrer et tester.

Le verdict rapide

Ce qu’est réellement un modèle de décision

Un modèle de langage normal prend une invite et génère les jetons suivants. Drex Max prend une forme d’entrée différente. Une requête contient un state, qui peut être du texte, du JSON ou des images, ainsi qu’une ou plusieurs questions nommées. Chaque question a un type fixe :

• Choix. Choisissez parmi des options nommées, par exemple facturation, technique ou autre.
• Oui ou non. Une question binaire, appelée noul dans la carte modèle.
• Score. Un score ordinal, par exemple routine, bientôt ou urgent.

Le modèle renvoie alors une probabilité pour chaque option. Dans l’exemple de Nace lui-même, un ticket à double charge retourne la facturation à 0,9988, la technique à 0,0003, et l’autre à 0,0009. C’est une décision sur laquelle vous pouvez agir directement : diriger vers la facturation, et n’envoyer que des cas à faible confiance à un humain.

Parce que rien n’est généré, il n’y a pas de prose à analyser, pas de dérive de mise en forme, ni d’explication inventée déguisée en raison. Le compromis est tout aussi clair. Drex Max ne peut pas rédiger votre réponse, résumer un document en prose, ni tenir une conversation. C’est lui qui juge. Un modèle génératif doit toujours parler.

L’architecture en termes simples

Drex Max est une colonne vertébrale dense 27B avec 64 couches. Quarante-huit sont des couches à attention linéaire DeltaNet par porte qui s’étendent de gauche à droite, et 16 sont des couches d’attention complète placées toutes les quatre couches. Ces couches d’attention totale ne sont pas causales, donc chaque jeton peut s’occuper de toute la séquence. Ce détail est important pour l’exécuter : le chargeur groupé applique l’attention non causale, et Nace avertit qu’une simple exécution causale de chat ne reproduira pas les scores publiés.

Les images passent par une tour de vision native et restent visibles pour chaque question d’une requête. Une tête de lecture à 255 voies transforme le dernier état caché en probabilités allant jusqu’à 255 options par question. La limite par défaut des requêtes est de 16 384 jetons, et elle peut être augmentée jusqu’à la fenêtre complète de 262 144 jetons.

Références : ce que disent les chiffres, et ce qu’ils ne disent pas

Tous les scores ci-dessous sont rapportés par le fournisseur par Nace AI sur sa carte modèle Hugging Face, datée du 19 octobre 2026. Considérez-les comme les résultats propres de Nace sur les suites publiques, et non comme une vérification indépendante. Les différents benchmarks ne sont pas directement comparables, donc les tableaux ci-dessous gardent chaque indice séparé.

Indice de décision 0,4, texte public

Drex Max devance Drex v2.0 de 6,27 points sur cet indice public, et Jev 1,13,0 de 9,56 points. L’indice public affiche en moyenne 37 benchmarks dans cinq domaines. La série a couvert 140 620 demandes, dont 140 178 étaient notables et toutes ont reçu des réponses. Les demandes non répondues comptent comme incorrectes, ce qui est la bonne règle à noter avant de comparer les scores entre modèles.

La répartition des domaines est plus utile que le titre. Les outils à 81,9 sont les domaines les plus forts, suivis par Langage à 72,2 et Récupération à 68,8. Connaissances et Raisonnement à 57,1 et Arts à 53,4 sont plus faibles, ce qui correspond à un modèle conçu pour des décisions structurées plutôt que pour une connaissance large ou un jugement créatif.

Autres scores signalés, gardés séparés

Ne fusionnez pas ces éléments en un seul classement. L’indice d’analyse artificielle, par exemple, est une moyenne pondérée de ses propres quatre tests, et il place Drex Max derrière trois modèles à 65 et devant Claude Haiku 5.5 (Bas) à 61. La lecture honnête est plus étroite : sur les tâches de type décisionnel, Drex Max est compétitif avec le meilleur de sa propre catégorie, et le plus fort lorsque la tâche ressemble à l’utilisation ou à la récupération d’outils.

Ce que ça coûte à faire fonctionner : le matériel, pas les jetons

Il n’y a pas de prix API par token sur la carte modèle, donc ne budgétissez pas cela comme un chatbot hébergé. Le coût dépend de la taille du téléchargement et du matériel. Nace publie plusieurs points de contrôle pour différentes machines.

Deux limites déterminent le choix. Premièrement, les chemins locaux Mac et CPU sont pour l’instant uniquement texte. Si votre décision nécessite des images, vous avez besoin du chemin Python sur un GPU NVIDIA. Deuxièmement, la quantification a bien tenu les tests de Nace : sur un Apple M5 Pro de 48 Go, leGguf Q8 0 correspondait à la sortie du Bf16 H100 dans un délai de 0,02 par probabilité, et le Q4 affine restait à 0,0329 de Q80 sans changement de choix. Plus petit ne modifiait pas la réponse sélectionnée dans ces tests.

Pour un premier test, le chemin pratique est le plus petit qui convient à votre machine. Téléchargez le point de contrôle affine Q4 si vous avez un Mac de 24 Go, ou le Q8_0 GGUF si vous en avez 48 Go, et testez-le sur vos propres tickets, itinéraires ou vérifications de politique avant de faire confiance à un score public. Une suite de benchmarks n’est pas votre charge de travail.

Quelle configuration choisir

Si vous avez un Mac de 24 Go et des décisions uniquement en texte : utilisez le point de contrôle affine Q4 via Kapitsa ou MLX, et testez d’abord avec vos vraies catégories.

Si vous avez un Mac 48 Go et des options uniquement textuelles : utilisez le Q8_0 GGUF via llama.cpp, Ollama ou Kapitsa. C’est plus proche de la sortie complète du bf16, et ça fonctionne toujours localement.

Si vous avez besoin de décisions d’image : utilisez le chemin Python sur un GPU NVIDIA avec des poids bf16 ou 8 bits. Ne vous attendez pas à ce que les versions Mac gèrent encore les images.

Si vous ne souhaitez pas du tout faire tourner un modèle : utilisez la version hébergée de Nace pour le routage, la classification et les vérifications de politiques, et vérifiez son prix actuel sur la console Nace avant de construire dessus. La carte modèle ne publie pas de prix hébergé, donc ce post n’en invente pas.

La prise de licence à lire avant une utilisation commerciale

Les poids ouverts ne sont pas la même chose que l’open source. Vous obtenez les poids, mais pas nécessairement les données d’entraînement ni une licence open source permissive. Drex Max est publié sous la licence Open RAIL-M Nace.AI. Une annonce indépendante qui lit les limites de licence vaut la peine d’être vérifiée par votre propre revue juridique, incluant une utilisation commerciale gratuite uniquement sous seuils de revenus et de financement, et une barre sur les produits à décision concurrente. Lisez la licence réelle dans le dépôt de modèles avant d’y expédier un produit commercial. Pour les tests personnels, de recherche ou internes, la version locale est la solution la plus simple pour l’évaluer.

Pourquoi cette version est importante pour les agents IA

Les agents échouent le plus souvent non pas à la génération, mais aux petites décisions entre les étapes : router ceci, escalader cela, autoriser cet appel d’outil, bloquer celui-là. Un modèle génératif peut répondre à ces questions, mais il répond en prose, et la prose nécessite une analyse pars. Un modèle de décision renvoie une distribution de probabilité sur un ensemble fixe d’options, ce qui est exactement ce que veut un routeur d’agents, une file de triage ou une garde-fou.

C’est aussi pourquoi l’angle local est important. Les vérifications de routage et de politique touchent souvent des tickets, documents ou captures d’écran sensibles. Exécuter la décision localement conserve ce contexte sur votre propre matériel au lieu de l’envoyer à un service hébergé pour chaque jugement. Drex Max ne remplace pas un chatbot Frontier. C’est un juge spécialisé que vous pouvez utiliser à côté, et la sortie open-weights du 1er novembre est ce qui rend cela pratique pour les développeurs disposant d’un Mac ou d’un GPU performant.

Vous souhaitez créer des agents qui utilisent ce type de routage en production ? Lisez nos guides sur les services de développement d’agents IA et comment engager une agence d’automatisation IA. Pour plus de lancements à poids ouvert, consultez Mistral Large 4 open weights explicated, Liquid AI LFM3 expliced, Kimi K3.1 Pro expliqued, et Apple Intelligence en Chine sur Alibaba Qwen.

Sources : carte modèle Nace AI sur Hugging Face (https://huggingface.co/nace-ai/drex-max-v1), couverture MarkTechPost rapportée le 1er novembre 2026 (https://wisevoter.com/world/2026/11/01/nace-ai-open-sources-drex-max-v1), et couverture Artiverse, qui précise être sponsorisée par Nace AI (https://www.artiverse.ca/drex-max-puts-a-27b-decision-model-on-apple-silicon/).

Qu’est-ce que Drex Max v1 ?

Drex Max v1 est un modèle décisionnel de 27 milliards de paramètres développé par Nace AI. Il répond à des questions tapées sur un contexte donné avec une probabilité pour chaque option, en un seul passage en avant, et ne génère aucun texte.

Drex Max est-il un chatbot ?

Non. Il ne discute pas, n’écrit pas de prose, ne génère pas de réponses. Il juge parmi les options que vous définissez, ce qui le rend utile pour le routage, le triage, la classification et les vérifications de garde-forme dans les logiciels et les agents d’IA.

Drex Max peut-il fonctionner sur un Mac ?

Oui, pour les décisions de texte. Le point de contrôle affine Q4 fonctionne sur des Mac Apple Silicon avec 24 Go de mémoire ou plus via Kapitsa ou MLX, et le Q8_0 GGUF a besoin de 48 Go. Les décisions d’image nécessitent toujours le chemin Python sur un GPU NVIDIA.

Quel est le score de référence principal de Drex Max ?

Nace affiche 67,52 sur l’Indice de Décision 0,4 pour le texte public, devant Drex v2.0 à 61,25 et Jev 1.13.0 à 57,96. Ce sont des scores rapportés par les fournisseurs, donc testez le modèle sur votre propre charge de travail avant de vous y fier.

Drex Max est-il gratuit et open source ?

Les poids sont publics sous la licence Nace.AI Open RAIL-M, mais cela concerne les poids ouverts, pas open source au sens strict. Vérifiez la licence pour les limites commerciales avant d’expédier un produit dessus.

Quel contexte Drex Max peut-il gérer ?

Jusqu’à 262 144 jetons, avec 16 384 jetons par défaut par requête. Augmentez la limite seulement si vos requêtes nécessitent réellement la fenêtre plus longue.

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