Nace AI เปิดตัว Drex Max v1 โมเดลตัดสินใจ 27B แบบ Open-Source

Nace AI ประกาศปล่อย Drex Max v1 ในรูปแบบ open weights ซึ่งเป็นโมเดลการตัดสินใจ (Decision Model) ที่ทรงพลังที่สุดของบริษัท ช่วยให้นักพัฒนาสามารถรันระบบบนฮาร์ดแวร์ของตนเองได้ทันที การปล่อยครั้งนี้ครอบคลุมทั้งไฟล์ weight แบบ bf16, Q8_0 GGUF, affine Q4 checkpoint รวมถึง fork ของ llama.cpp และ Ollama เพื่อรองรับการทำ routing, classification และ policy checks บนเครื่อง local

TL;DR

• Size: พารามิเตอร์แบบ Dense 27B, context window 262,144 โทเค็น (เริ่มต้นที่ 16,384) รองรับสูงสุด 255 ตัวเลือกต่อคำถาม
• การรองรับ: ใช้งานได้บน NVIDIA GPU (H100 หรือ L40S 48 GB), Apple Silicon Mac ที่มี RAM 24 GB ขึ้นไป และ CPU ผ่าน llama.cpp หรือ Ollama
• ประสิทธิภาพ: ทำคะแนนได้ 67.52 บน Decision Index 0.4 สูงกว่า Drex v2.0 ถึง 6.27 จุด
• จุดเด่น: ทำคะแนนด้าน InfographicVQA ได้ 97.3 และด้านเครื่องมือ (Tools) สูงถึง 81.9 ถือเป็นโมเดลระดับท็อปที่รันแบบออฟไลน์บน Mac ได้

Drex Max คืออะไร?

Drex Max คือโมเดลการตัดสินใจที่ออกแบบมาเพื่อตอบคำถามเกี่ยวกับบริบทเฉพาะ โดยผู้ใช้สามารถส่งสถานะในรูปแบบข้อความ, JSON หรือรูปภาพ พร้อมระบุคำถาม โมเดลจะวิเคราะห์ความน่าจะเป็นของทุกตัวเลือกในการประมวลผลครั้งเดียว (forward pass) โดยไม่มีการสร้างข้อความ (generation) ออกมา

โมเดลรองรับคำถาม 3 รูปแบบ ได้แก่ การเลือกจากตัวเลือกที่กำหนด, การตอบใช่/ไม่ใช่ และการให้คะแนนแบบลำดับ เหมาะสำหรับการนำไปใช้ทำ agent routing, การคัดกรองตั๋วสนับสนุน (ticket triage) รวมถึงการตรวจสอบ guardrail ของระบบ AI

กลไกการทำงานของ Drex Max

โมเดลนี้ใช้โครงสร้างหลัก (backbone) แบบ dense ขนาด 27B ประกอบด้วย 64 เลเยอร์ โดยมี 48 เลเยอร์เป็น Gated DeltaNet linear-attention และอีก 16 เลเยอร์เป็น full-attention ซึ่งวางสลับทุกๆ 4 เลเยอร์ ทำให้โทเค็นสามารถเข้าถึงข้อมูลได้ทั่วทั้งลำดับ

สำหรับการประมวลผลภาพ โมเดลจะใช้ vision tower แบบ native ที่ช่วยให้มองเห็นข้อมูลภาพได้ในทุกคำขอ ส่วนหัวอ่าน (readout head) แบบ 255 ทาง จะเปลี่ยนสถานะซ่อนสุดท้าย (last hidden state) ให้เป็นค่าความน่าจะเป็นของแต่ละตัวเลือก โดยระบุประเภทโมเดลเป็น qwen3_5 พร้อมรองรับ window ขนาดใหญ่ถึง 262,144 ตำแหน่ง

ประสิทธิภาพบน Benchmark

จากรายงานของ Nace AI พบว่า Drex Max v1 ทำผลงานได้โดดเด่นในหลายด้าน:

• Decision Index 0.4 (ข้อความสาธารณะ): ทำได้ 67.52 คะแนน เหนือกว่า Drex v2.0 (61.25) และ Jev 1.13.0 (57.96)
• ทักษะรายด้าน: โดดเด่นในด้าน Tools (81.9), Language (72.2) และ Retrieval (68.8)
• Vision index สาธารณะ: ทำได้ 73.92 คะแนน จากการทดสอบ 11 benchmark
• Artificial Analysis Decision Index: ได้คะแนน 64 ซึ่งอยู่อันดับที่ 4 จากทั้งหมด 18 โมเดล

วิธีรัน Drex Max บนเครื่องส่วนตัว

Nace รองรับการรันผ่าน API เดียวกันคือ POST /v1/systemone โดยมีตัวเลือก runtime ดังนี้:

สำหรับการใช้งานบน Mac รุ่น RAM 24 GB แนะนำให้ใช้ checkpoint แบบ affine Q4 ส่วนรุ่น 48 GB สามารถใช้ Q8_0 GGUF ได้ ซึ่งให้ผลลัพธ์ใกล้เคียงกับ H100 bf16 อย่างมาก โดยมีความต่างของค่าความน่าจะเป็นไม่เกิน 0.02 และไม่มีปัญหาการสลับตัวเลือกคำตอบ

เปรียบเทียบกับโมเดลอื่นในตระกูล

ปัจจุบันไฟล์ weights ของ Drex Max v1 เปิดให้ดาวน์โหลดแล้วภายใต้ลิขสิทธิ์ Nace.AI Open RAIL-M ถือเป็นก้าวสำคัญที่ช่วยให้ผู้ใช้งานทั่วไปสามารถเข้าถึงเทคโนโลยีการตัดสินใจระดับสูงได้โดยไม่ต้องพึ่งพาคลาวด์