Мой блог
Nace AI представила мультимодальную модель Drex Max для управления компьютером
Компания Nace AI выпустила новую мультимодальную модель принятия решений Drex Max, созданную специально для ИИ-агентов, взаимодействующих с операционными системами и веб-браузерами. Архитектура новинки ориентирована на обработку текстовых данных и изображений с возвратом вероятностных распределений без генерации текстового ответа.
Инструмент демонстрирует высокие результаты на профильных тестах, предлагая разработчикам специализированный API-интерфейс для автоматизации кликов и навигации по экрану.
Краткие характеристики модели
Параметры архитектуры разработчиком не раскрываются. Объем контекста достигает 262 144 токенов на один запрос, включая визуальные данные. Модель функционирует исключительно через облачный программный интерфейс на платформе Nace Console, а открытые веса или квантованные сборки не анонсировались.
На общедоступном тесте Decision Index 0.3.2 система набрала 67,59 балла, что на текущий момент является наивысшим показателем среди аналогичных решений компании. В тестах вызова инструментов BFCL зафиксирован результат 98,2 балла, а в JevBench — 92,2 балла против 86,7 балла у альтернативной модели Jev 1.14. При этом на некоторых комплексных бенчмарках, таких как HLE и MMLU-Pro, показатели оказались скромнее.
Что представляет собой Drex Max?
Решение специализируется на ответах на строго типизированные вопросы, касающиеся текстовой информации и графических элементов интерфейса. Это наиболее точная версия в линейке Drex и первая, обладающая возможностью работы со скриншотами и изображениями.
Особенностью архитектуры является отказ от генерации токенов. Пользователь передает текущее состояние интерфейса и список поименованных вопросов. Каждый вопрос может принадлежать к одному из трех типов: бинарный noul (да/нет), выбор варианта choice или шкала оценки score. В ответ за один HTTP-вызов система возвращает вероятностное распределение для каждого варианта, оперируя исключительно заданными опциями.
Особенности работы с изображениями
Интеграция визуальных данных происходит через стандартную конечную точку POST /v1/systemone с обязательным указанием параметра модели drex-max. Идентифиактор является фиксированным, поэтому универсальный запрос drex-latest не перенаправляет трафик на эту версию.
Правила обработки графических файлов
Визуальные материалы передаются в специальном массиве изображений. Все вопросы в рамках одного запроса анализируют одинаковый набор графики, к которой в текстовых инструкциях можно обращаться по меткам «Image 1» и «Image 2». Каждая запись представляет собой либо файл из рабочей среды, либо данные в формате base64.
- Поддерживаемые форматы: статические файлы PNG, JPEG и WebP.
- Ограничения по объему: до 8 файлов на один запрос, размер каждого элемента до 16 МБ при суммарном лимите запроса 32 МБ.
- Разрешение: каждое изображение автоматически масштабируется до 1 638 400 пикселей (1280 на 1280 пикселей).
- Стоимость: обработка каждой иллюстрации оценивается максимум в 1602 токена для каждого отдельного вопроса.
- Лимиты запросов: до 16 вопросов за один вызов при ограничении тела запроса в 4 МБ.
Результаты тестирования на бенчмарках
Все приводимые показатели основаны на собственных замерах команды Nace, выполненных на официальных тестовых выборках после обучения модели. На публичном тесте Decision Index 0.3.2 новая разработка набирает 67,6 балла, опережая предыдущие версии и конкурентов в лице Jev 1.14 с результатом 60,7 балла. В специализированном тесте JevBench зафиксирован показатель 92,2 балла.
В задачах агентного характера система показывает 0,780 балла в OSWorld-Verified и 98,2 балла в BFCL. В зрительном подтесте Decision Index Vision результат составляет 74,5 балла. В то же время конкурентные решения удерживают лидерство в академических тестах вроде MMLU-Pro и ARC-Challenge.
Скорость работы и ценовая политика
Средняя задержка при обработке одного скриншота составляет 174 миллисекунды по данным разработчиков. Для сравнения, аналогичные операции у конкурирующих решений занимают больше времени. Кроме того, заявляется полная совместимость с любыми размерами снимков экрана без предварительного отклонения по габаритам.
Ценообразование завязано на тарификации входящего потока данных и составляет 0,06 доллара за 1 миллион токенов на входе. Выходные токены не тарифицируются. Новым пользователям предоставляется приветственный бонус на балансе, а неудачные запросы обрабатываются бесплатно.
Сравнение с аналогами
Архитектура позиционируется как проприетарное облачное решение с закрытым кодом и фиксированной стоимостью обработки текстов и изображений. Конкурирующие продукты предлагают иные схемы лицензирования, открытые веса или другие требования к аппаратному обеспечению для локального развертывания, однако модель от Nace оптимизирована под высокую скорость принятия решений за один вызов.
