nace-ai

Nace.AI: Drex v1.5

nace-ai/drex-v1.5

Nossa análise

Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.

O Drex v1.5 é um modelo de decisão de cerca de 9 bilhões de parâmetros da Nace.AI, construído sobre uma arquitetura no estilo Qwen3.5 destilada a partir do XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B. Em vez de gerar texto, ele lê um estado — texto ou JSON — junto com perguntas tipadas (escolha, sim/não ou pontuação ordinal) e retorna uma probabilidade calibrada por opção em uma única passada por pergunta. Ele expõe a API System One /v1/systemone, aceita contextos de até 131.072 tokens e pode ser auto-hospedado via Python/CUDA, llama.cpp ou um fork do Ollama. Resultados reportados pelo fornecedor o colocam no topo do Decision Index público entre modelos com menos de 10B parâmetros, dentro da faixa de empate dessa tabela.[1][2]

Pontos fortes

Saída de decisões estruturada: segundo a ficha, ele pontua perguntas de escolha, sim/não (noul) e escala ordinal com uma probabilidade calibrada por opção em uma única passada, sem gerar texto.[1][2]
Contexto longo: 16.384 tokens por padrão, configurável até 131.072; o fornecedor relata acurácia em documentos longos de até 128 mil tokens.[1][2]
Serviço flexível: um único formato System One para o servidor Python incluído, um branch do llama.cpp (GGUF bf16/Q8_0) e um fork do Ollama; clientes escritos para Kev ou Jev funcionariam sem alterações.[2]

Limitações

É um pontuador, não um gerador: só responde a perguntas tipadas sobre um estado fornecido, e parâmetros de amostragem como temperature não se aplicam.[2]
Os números de desempenho são autorrelatados: Decision Index, JevBench, contexto longo e arena de jogos vêm de execuções da própria Nace.AI, e este pacote traz apenas catálogo e ficha do fornecedor, sem avaliação independente — valide com sua carga de trabalho.[1][2]
A auto-hospedagem exige recursos reais: cerca de 18 GB de pesos bf16 com GPU CUDA para o caminho Python, ou forks do llama.cpp/Ollama para GGUF; publicado sob a licença não padronizada Open RAIL-M, e o corte de conhecimento não está documentado.[1][2]

Onde usar

Encaixe plausível para rotear tickets de suporte ou classificar solicitações recebidas por equipe ou categoria, já que o exemplo da ficha pontua uma escolha entre cobrança e envio.[2]
Vale avaliar para portões de sim/não estilo política, como detectar intenção de reembolso, onde uma probabilidade calibrada é mais útil que texto gerado.[2]
Candidato para pontuar ou avaliar documentos longos em rubricas ordinais, dado o desempenho relatado em contexto longo — confirme antes a qualidade com seus próprios dados.[2]

Fontes

[1] OpenRouter catalog · Nace.AI: Drex v1.5Fontes consultadas: 13 de nov. de 2026
[2] Model documentation · Nace.AI: Drex v1.5Fontes consultadas: 13 de nov. de 2026

Sobre este modelo

A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.

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...

Especificações

ID do modelo: nace-ai/drex-v1.5
ID canônico: nace-ai/drex-v1.5-20261009
Criador: nace-ai
Adicionado ao OpenRouter: 09.10.2026
Comprimento de contexto: 131,072
Modalidade: text->decisions
Modalidades de entrada: text
Modalidades de saída: decisions
Preço por token: Sem preço por token no snapshot da fonte — consulte o OpenRouter para a unidade de cobrança
Corte de conhecimento: —
Data de expiração: —

Tarefas e capacidades

Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.

Tarefa	Nota	Capacidade declarada pela fonte
Qualidade geral	Sem medição	—
Programação	Sem medição	—
Agentes	Sem medição	—
Escrita	Sem medição	—
Raciocínio	Sem medição	—
Análise de documentos	Sem medição	—
Visão	Sem medição	—
Geração de imagens	Sem medição	—
Áudio	Sem medição	—
Vídeo	Sem medição	—
Embeddings	Sem medição	—

Avaliações

Não há avaliações fornecidas para este modelo.

Como funcionam as notas

Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.

S — S — top 10% da coorte
A — A — próximos 20% da coorte
B — B — próximos 30% da coorte
C — C — abaixo da faixa B

Provedores

Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.

Provedor	Comprimento de contexto	Preço entrada /1M	Preço saída /1M	Latência p50 (30m, s)	Taxa p50 (30m, tok/s)	Disponibilidade (30m)
DeepInfra	131,072	—	—	—	—	100%

Dados de provedores obtidos: 13.11.2026

Nenhum artigo publicado identifica este modelo ainda.