Qué es Drex Max v1
Nace AI ha presentado Drex Max v1, un modelo de inteligencia artificial de 27.000 millones de parámetros diseñado específicamente para tomar decisiones a partir de información proporcionada por el usuario o una aplicación.
El lanzamiento, recogido por MarkTechPost el 1 de noviembre de 2026, incluye sus pesos abiertos bajo la licencia Nace.AI Open RAIL-M y distintas alternativas para ejecutarlo en hardware local.
A diferencia de los modelos de lenguaje que elaboran respuestas escritas, Drex Max v1 se centra en evaluar posibilidades. Recibe un contexto que puede contener texto, datos JSON o imágenes y calcula una probabilidad para cada respuesta disponible.
Este funcionamiento permite utilizarlo en tareas como seleccionar qué agente de IA debe intervenir, clasificar tickets o realizar comprobaciones relacionadas con políticas.
Cómo funciona Drex Max v1
El modelo admite tres tipos de preguntas: elección entre varias opciones, respuestas de sí o no y puntuaciones ordinales.
Su principal característica es que calcula las probabilidades de todas las opciones en una sola pasada de procesamiento, sin necesidad de generar una respuesta de texto.
Drex Max v1 cuenta con una ventana máxima de contexto de 262.144 tokens, aunque su configuración predeterminada utiliza 16.384 tokens. También puede evaluar hasta 255 opciones por pregunta.
En cuanto a su arquitectura, incorpora 64 capas distribuidas entre dos mecanismos de atención:
- 48 capas de atención lineal Gated DeltaNet, que forman la mayor parte de la arquitectura.
- 16 capas de atención completa, colocadas cada cuatro capas.
Esta combinación constituye la estructura interna del modelo, que utiliza el contexto recibido para asignar probabilidades a las posibles decisiones.
Resultados: qué cifras comunica Nace AI
Nace AI ha publicado resultados de Drex Max v1 en distintas evaluaciones de modelos de decisión. Todas las cifras siguientes proceden de las mediciones comunicadas por la propia empresa.
En el Decision Index 0.4 público, Drex Max v1 obtiene 67,52 puntos, frente a los 61,25 de Drex v2.0 y los 57,96 de Jev 1.13.0, según los datos de Nace AI.
| Evaluación | Resultado comunicado |
|---|---|
| Decision Index 0.4 — Drex Max v1 | 67,52 |
| Decision Index — Drex v2.0 | 61,25 |
| Decision Index — Jev 1.13.0 | 57,96 |
| Índice público de visión | 73,92 |
| Artificial Analysis Decision Index | 64 |
| JevBench | 92,2 % (213/231) |
| Decision Bench v4 | 94,30 % (1010/1071) |
Nace AI sitúa además a Drex Max v1 en la cuarta posición entre 18 modelos dentro del Artificial Analysis Decision Index.
La empresa también desglosa su rendimiento por áreas:
| Área evaluada | Puntuación |
|---|---|
| Herramientas | 81,9 |
| Lenguaje | 72,2 |
| Recuperación de información | 68,8 |
| Conocimiento y razonamiento | 57,1 |
| Artes | 53,4 |
Según estas cifras, el modelo alcanza su mejor resultado por área en herramientas, seguido de lenguaje y recuperación de información.
Cómo se ejecuta Drex Max v1 en local
Uno de los aspectos principales del lanzamiento es la posibilidad de ejecutar el modelo en distintos tipos de hardware, incluyendo GPU NVIDIA, procesadores CPU y equipos Mac con Apple Silicon.
Nace AI contempla varias alternativas de ejecución:
| Entorno | Formato y requisitos |
|---|---|
| Python con GPU NVIDIA | bf16 de aproximadamente 49 GB u 8 bits de unos 26 GB |
| Fork de llama.cpp | Q8_0 GGUF de 27,25 GB mediante Apple Metal o CPU |
| Fork de Ollama | Q8_0 GGUF mediante Apple Metal o CPU |
| Kapitsa v0.2.25 o superior | Q8_0 GGUF o Q4 afín en Apple Silicon |
| MLX | Q4 afín de 14,45 GB en Apple Silicon |
La versión cuantizada Q4 afín, de 14,45 GB, está orientada a equipos Mac con al menos 24 GB de memoria. Para ejecutar el formato Q8_0 GGUF, Nace AI establece un requisito de 48 GB.
En Kapitsa, la empresa recomienda utilizar --context 2048 cuando se trabaja con un Mac de 48 GB.
En el fork de Ollama, el parámetro num_gpu 40 permite descargar 40 capas a Metal, mientras que num_gpu 0 establece la ejecución mediante CPU.
Los distintos entornos comparten una interfaz de programación común mediante el endpoint POST /v1/systemone.
Diferencias entre las versiones cuantizadas
Nace AI también ha compartido mediciones sobre cómo cambia el resultado del modelo cuando se utilizan versiones de menor tamaño.
Según sus pruebas, la versión Q8_0 ejecutada en un Apple M5 Pro con 48 GB presentó diferencias de hasta 0,02 por probabilidad respecto a la versión bf16 ejecutada sobre una GPU NVIDIA H100.
Por su parte, la versión Q4 afín registró una diferencia de 0,0329 respecto de Q8_0, sin cambios en las opciones seleccionadas en las pruebas comunicadas.
Estas cifras describen la proximidad entre las probabilidades calculadas por distintas versiones del mismo modelo.
Límites y disponibilidad
Aunque Drex Max v1 es multimodal, las modalidades disponibles dependen del entorno de ejecución.
El procesamiento de imágenes está disponible mediante Python con GPU NVIDIA. Las rutas locales basadas en llama.cpp, Ollama, Kapitsa y MLX están limitadas por ahora a texto.
También existen diferencias de memoria entre las versiones: Q4 afín requiere equipos Apple Silicon con al menos 24 GB, mientras que Q8_0 necesita 48 GB.
El modelo admite hasta 255 opciones por pregunta y una ventana máxima de contexto de 262.144 tokens, con 16.384 configurados de manera predeterminada.
Además de la publicación de los pesos abiertos, Nace AI ofrece una modalidad alojada con un precio de lanzamiento de 0,03 dólares por cada 1.000 decisiones.
En contexto
Nace AI combina la publicación de Drex Max v1 bajo la licencia Nace.AI Open RAIL-M con una opción alojada de pago. El lanzamiento incorpora formatos de ejecución local para GPU NVIDIA, CPU y equipos Apple Silicon. El artículo de MarkTechPost que recoge el lanzamiento indica que está patrocinado por Nace AI.
