nace-ai
Nace.AI: Drex v1.5
nace-ai/drex-v1.5
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Drex v1.5 es un modelo de decisiones de unos 9 000 millones de parámetros de Nace.AI, construido sobre una arquitectura tipo Qwen3.5 destilada desde XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B. En lugar de generar texto, lee un estado —texto o JSON— junto con preguntas tipadas (elección, sí/no o puntuación ordinal) y devuelve una probabilidad calibrada por opción en una sola pasada por pregunta. Expone la API System One /v1/systemone, admite contextos de hasta 131 072 tokens y puede autoalojarse mediante Python/CUDA, llama.cpp o una bifurcación de Ollama. Los resultados reportados por el proveedor lo sitúan a la cabeza del Decision Index público entre modelos de menos de 10B parámetros, dentro de la banda de empate de esa tabla.[1][2]
Puntos fuertes
- Salida de decisiones estructurada: según la ficha, puntúa preguntas de elección, sí/no (noul) y escala ordinal con una probabilidad calibrada por opción en una sola pasada, sin generar texto.[1][2]
- Contexto largo: 16 384 tokens por defecto, configurable hasta 131 072; el proveedor reporta precisión en documentos largos de hasta 128k tokens.[1][2]
- Servicio flexible: un único formato System One para el servidor Python incluido, una rama de llama.cpp (GGUF bf16/Q8_0) y una bifurcación de Ollama; los clientes escritos para Kev o Jev funcionarían sin cambios.[2]
Limitaciones
- Es un puntuador, no un generador: solo responde preguntas tipadas sobre un estado dado, y parámetros de muestreo como temperature no aplican.[2]
- Las cifras de rendimiento son autorreportadas: Decision Index, JevBench, contexto largo y arena de juegos provienen de ejecuciones propias de Nace.AI, y este paquete solo aporta catálogo más ficha del proveedor, sin evaluación independiente: valide con su carga de trabajo.[1][2]
- El autoalojamiento exige recursos reales: unos 18 GB de pesos bf16 con GPU CUDA para la vía Python, o bifurcaciones de llama.cpp/Ollama para GGUF; se publica bajo la licencia no estándar Open RAIL-M y el corte de conocimiento no está documentado.[1][2]
Dónde utilizarlo
- Encaje plausible para enrutar tickets de soporte o clasificar solicitudes entrantes por equipo o categoría, ya que el ejemplo de la ficha puntúa una elección entre facturación y envíos.[2]
- Vale la pena evaluarlo para compuertas de sí/no tipo política, como detectar intención de reembolso, donde una probabilidad calibrada es más útil que texto generado.[2]
- Candidato para puntuar o calificar documentos largos con rúbricas ordinales dado el rendimiento reportado en contexto largo; confirme primero la calidad con sus propios datos.[2]
Fuentes
- [1] OpenRouter catalog · Nace.AI: Drex v1.5Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Nace.AI: Drex v1.5Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Drex v1.5 is a 9B decision model from Nace.AI. Given a state (text or JSON) and typed questions (yes/no, multiple choice, or ordinal score), it returns a calibrated probability for...
Especificaciones
- ID del modelo
- nace-ai/drex-v1.5
- ID canónico
- nace-ai/drex-v1.5-20261009
- Creador
- nace-ai
- Añadido a OpenRouter
- 09.10.2026
- Longitud de contexto
- 131,072
- Modalidad
- text->decisions
- Modalidades de entrada
- text
- Modalidades de salida
- decisions
- Precio por token
- Sin precio por token en la instantánea fuente — consulta OpenRouter para la unidad de facturación
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfra | 131,072 | — | — | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.