大数跨境
首页
>
Drex 1.5：＜10B 参数的专业决策模型，超越 Jev
>

Drex 1.5：＜10B 参数的专业决策模型，超越 Jev

Drex 1.5：＜10B 参数的专业决策模型，超越 Jev 苏哲管理咨询
2026-10-22
6
导读：Drex 1.5 是 Nace AI 推出的专用决策模型（Decision Model），区别于生成式 LLM，不输出自由文本；输入事实与候选选项，单次前向推理直接输出各选项概率分布，无幻觉、无需文本

编者摘要：Drex 1.5 是 Nace AI 推出的专用决策模型（Decision Model），区别于生成式 LLM，不输出自由文本；输入事实与候选选项，单次前向推理直接输出各选项概率分布，无幻觉、无需文本解析，模拟人类 System1 直觉决策。模型参数量＜10B，支持 128K 上下文窗口，相比上一代 32K 大幅提升，长文档读取全文准确率远高于仅截取前 8K 内容。

在 Decision Index 0.2.1 评测中，Drex1.5 在 71 个模型里排名第一，总分 58.28，领先同类标杆 Jev1.13.0（+0.37），38 项决策类测试赢下 21 项；且推理 token 消耗仅为 Jev 的 1/5。棋类对战中，8 款游戏 256 场对局总战绩 Drex 占优。支持 FP8 量化，98.1% 决策结果不变，显存减半。

适配信贷、保险理赔、应付账款审核、工单路由等企业业务。部署模式包含私有化、托管、混合部署，私有化方案保证数据不出内网，具备 SOC1/SOC2 审计合规，适配金融等高监管场景，支持基于企业自有业务标签数据微调。 模型可输出概率分布而非单一判定，方便设置阈值，自动处理高置信案例，不确定项流转人工复核，适合业务流程自动化。

10 个关键问题Q&A

  1. Q：Drex 是什么模型？和普通 LLM 有什么根本区别？ A：Drex 是决策专用模型。普通 LLM 生成文本，易幻觉，需要解析输出；Drex 不生成文本，限定候选选项，直接输出概率分布，单次推理完成打分。
  2. Q：Drex 1.5 参数量与上下文窗口？ A：总参数量＜10B，支持最高 128K token 上下文。
  3. Q：Decision Index 是什么？Drex 成绩如何？ A：Decision Index 是面向决策任务的评测基准，共 38 项测试，分数经过随机猜测校正。Drex1.5 得分 58.28，71 个参评模型中排名第一。
  4. Q：Drex 对比标杆 Jev 核心优势？ A：总分更高，38 项测试赢 21 项；单次推理读取 token 仅 Jev 的 1/5；棋类对抗总战绩更强；支持更长 128K 上下文。
  5. Q：Drex 可以处理哪些业务场景？ A：信贷审批、保险理赔、应付账款审核、客服工单路由、合同判定、工具调用路由等企业决策场景。
  6. Q：FP8 量化对 Drex 的影响大吗？ A：很小。98.1% 决策结果不变，概率平均偏移仅 0.015，显存占用减半，适合私有化部署。
  7. Q：Drex 支持哪些部署方式？ A：三种模式：私有化本地部署、Nace 托管部署、混合部署；私有化场景数据不流出企业内网。
  8. Q：Drex 是否支持基于企业自有业务数据微调？ A：支持，可用企业标注业务结果微调模型，交付专属权重。
  9. Q：Drex 合规能力如何，能否用于金融审计场景？ A：具备 SOC1、SOC2 Type II 审计认证，决策日志完整可追溯，适配财务、风控等强监管业务。
  10. Q：Drex 输出概率分布的业务价值是什么？ A：不只是简单 “是 / 否” 判定；可设置阈值，高置信案例自动执行，边界模糊案例流转人工复核，降低误判风险。

附录 Drex 简介：做决策的小模型

输入事实，输出每个候选选项的概率。单次前向推理，无需文本解析。 https://drex.nace.ai/?utm_campaign=drex-launch&utm_content=hero&utm_medium=website&utm_source=nace.ai 复制配置提示词

决策指数 0.2.1，排名第 1，得分 58.28相比 Jev 1.13.0，高出 +0.37上下文窗口 128K token总参数量 ＜10B

决策指数 0.2.1 评测：Drex 1.5，71 个参评模型中位列前五 横轴起始刻度是 55，非 0；模型名称下方标注总参数量；Jev 参数量未公开 Drex 1.5（＜10B）｜Jev（未公开）｜Rune（258 亿）｜Decider（327 亿）｜AutoJev（278 亿）｜simple（278 亿）

  • 《星际争霸 2》人族基地对抗内置 AI：每一条指令都是一次选择
  • 业务流程：供应链场景，从订单到最终结果，每个检查点由 Drex 完成一次决策
  • Doom 死亡竞赛：每帧 4 个问题 —— 目标、开火、移动、武器选择；面板实时输出结果
  • 旅鼠（Lemmings）：分配每只旅鼠的技能与行动位置，每次分配即一次决策
  • 舰队（Armada）：每轮为所有舰船下达指令，进攻或重整，仅调用一次模型

客户信任

四大会计师事务所 首批登上公开决策指数榜单，性能超过其余所有参评模型

决策指数 0.2.1 包含38 项决策类测试（侧重判断而非文本生成）：合同、因果推理、工具调用、路由、综合判断。指数经过随机概率校正，纯随机猜测得分为 0。 Drex 1.5 参数量不足 10B，在 71 个参评模型中位居榜首；榜单前十里其他公开参数量的模型，规模均在 258B~327B 之间。

评测总表（决策指数 0.2.1，38 项测试，经随机校正。下方各行是单项指标）

模型
Drex1.5
Drex1.1
Jev1.13.0
Surogate Rune v3
Decider chat·Gemma
AutoJev-27B
总分
58.28
57.04
57.91
57.44
57.33
56.40
知识与推理






CLadder・准确率
86.2%
84.5%
72.6%
72.7%
74.6%
74.5%
BBH・准确率
85.7%
84.9%
92.9%
81.2%
76.2%
78.1%
CRUXEval・准确率
75.3%
74.9%
73.0%
74.4%
79.3%
74.9%
HLE・准确率
11.8%
10.0%
20.4%
10.6%
14.8%
12.0%
GPQA Diamond・准确率
45.4%
39.8%
78.6%
46.9%
49.0%
49.5%
MMLU-Pro・准确率
58.7%
56.3%
82.7%
67.2%
69.6%
64.5%
ChessBench・准确率
21.9%
21.7%
17.2%
18.7%
22.3%
17.2%
MuSR・准确率
57.3%
57.6%
66.1%
64.9%
64.2%
61.8%
GSM8K・准确率
83.0%
84.1%
79.9%
79.7%
82.6%
67.4%
SATA-Bench・严格匹配准确率
27.0%
22.5%
26.4%
34.8%
29.3%
29.9%
语言理解






ContractNLI・宏 F1
82.9%
83.8%
71.7%
77.0%
73.6%
78.1%
ACOS・单评论 F1
7.4%
17.8%
29.5%
26.8%
18.8%
20.4%
FinEntity・宏 F1
87.9%
88.4%
87.0%
88.4%
90.9%
92.9%
ANLI・宏 F1
70.8%
64.3%
74.8%
73.5%
73.2%
70.7%
HellaSwag・准确率
92.0%
92.9%
94.5%
92.4%
92.0%
94.0%
RAGTruth・幻觉类别 F1
82.8%
82.5%
76.5%
76.8%
76.9%
80.3%
NLI4CT・宏 F1
81.0%
80.7%
84.1%
80.4%
82.8%
84.8%
VAST・宏 F1
76.9%
77.1%
64.6%
76.6%
73.2%
70.8%
WinoGrande・准确率
88.1%
84.2%
92.0%
86.0%
83.7%
85.2%
iSarcasmEval・英文讽刺任务 F1（A 赛道）
55.1%
56.1%
50.5%
60.4%
51.1%
60.3%
检索与分类






Amazon ESCI・宏 F1
56.2%
58.1%
55.2%
55.3%
53.1%
55.1%
BRIGHT·nDCG@10
44.3%
46.3%
47.5%
46.3%
43.6%
48.7%
BANKING77・宏 F1
85.9%
84.5%
79.7%
83.8%
79.1%
79.0%
CLINC150+OOS・宏 F1
91.6%
90.2%
89.3%
87.4%
91.2%
87.8%
HoVer・准确率
86.1%
87.1%
72.9%
80.7%
76.4%
74.2%
PhishNChips・准确率
67.4%
54.9%
62.5%
80.9%
87.5%
60.0%
工具与自动化






ToolRet·nDCG@10
70.3%
70.2%
65.3%
64.4%
63.6%
67.4%
API-Bank・准确率
85.2%
84.8%
88.2%
83.3%
85.0%
84.1%
BFCL・案例严格匹配准确率
95.0%
96.2%
95.8%
94.8%
98.0%
97.6%
When2Call・准确率
89.8%
89.8%
81.0%
76.0%
76.9%
81.7%
家电模拟器・案例严格匹配准确率
40.9%
44.3%
52.3%
46.6%
62.5%
73.9%
人文与主观偏好






Habermas Machine・准确率
59.5%
59.7%
45.9%
42.2%
47.9%
41.8%
BPoMP・准确率
83.3%
83.6%
90.9%
90.0%
90.6%
93.9%
ForecastBench・Brier 技能得分（基准 0.5）
25.7%
16.4%
30.6%
18.9%
19.2%
22.1%
Humicroedit・准确率
63.4%
64.6%
61.9%
62.2%
63.8%
62.4%
cfcolor・准确率
59.8%
60.3%
64.4%
62.6%
62.6%
64.4%
New Yorker・准确率
73.3%
73.5%
70.1%
74.1%
73.9%
70.3%
POP909-CL・准确率
73.1%
72.7%
16.6%
66.1%
27.9%
37.8%

Drex1.5 于 2026-09-28，使用官方 0.2.1 评测套件跑完全部 38 项基准；上一版 Drex1.1 使用同一套件。表格单元格为单项测试指标；总分是经过随机校正后的决策指数，平台判定差距小于 0.25 即视为平局。其余模型分数取自公开榜单，数据读取时间 2026-09-28。 https://discord.com/invite/nace-ai

输入问题，Drex 输出每个答案的概率。 把案件事实和你接受的候选选项发给 Drex。单次模型前向推理，返回每个选项对应的概率。它不会生成文本，因此无需解析，也不会编造内容。

适用场景：应付账款、中小微企业信贷、财务审计、保险理赔、支付风控筛查

【示例输入】 申请人：成立 6 年的物流企业，营收 420 万美元，同比下滑 8%，债务偿付比率 DSCR=1.18；24 个月内有 2 次逾期付款记录；申请 65 万美元贷款，抵押物价值 90 万美元。 这笔申请如何处理？ 选项：移交核保专员・附条款批准・拒绝

单次推理输出 移交核保专员：55% 附条款批准：33% 拒绝：12%

输出仅为各选项概率，没有额外文本，无需解析。（数值仅作演示，页面下方附真实测试结果）

它不是聊天机器人，是另一种思考范式。 心理学将审慎分步推理称为系统 2；熟练、直觉式判断称为系统 1。 聊天大模型属于系统 2：逐字生成文本，最后给出结论。 决策模型属于系统 1：学习过大量决策场景形态，单次推理直接输出置信概率。
聊天大模型
Drex
回答方式
逐字思考，最后输出答案
一次性读取全部信息，同步为所有候选打分
返回结果
一段文字，或需要解析、校验是否匹配候选的 JSON
你给定的每个选项，输出对应概率；不会返回其他内容

输出的是概率分布，而不是单一结论。 因为返回全部选项的概率，你可以直观判断决策边界是否模糊。设定阈值，把高不确定性案例流转人工审核；高置信案例可自动处理，无需人工阅读。 每个面板都是案例示例，每一栏是对应选项概率；页面下方有完整真实记录。

应付账款场景：该发票如何处理？ 争议・暂存待买方确认・通过

和 Jev 是同类模型吗？

属于同类决策模型，决策指数得分更高。 Jev 正是这份公开决策指数所命名的基准模型。Drex 接收同类请求、输出相同格式结果，指数得分更高，单次决策读取 token 数量仅为 Jev 的 1/5。

  • 决策指数：Drex1.5 58.28，Jev1.13.0 57.91，领先 0.37 分；38 项测试中赢下 21 项
  • 单次决策读取 token（8 次相同请求中位数）：Drex1.1=70token，Jev1.13.0=367token
  • JevBench（231 条公开样本，各模型调用自身 API）
    • Jev1.13.0：87.0%（201/231）
    • Drex1.5：86.2%（199/231）
    • Drex1.1：82.2%（190/231）

Drex1.5 在棋类对战中同样胜过 Jev：总战绩 122 胜 vs 87 胜。 8 款游戏，256 场对局；所有合法走法都作为候选选项输入。两个模型都不做未来推演，每一步仅单次读取棋盘状态。 Drex1.5 在 8 款游戏中的 5 款取得更多对局胜利，总战绩领先。

Drex1.5：122 胜｜47 平局｜Jev：87 胜 测试使用 Kaggle Game Arena 框架、OpenSpiel 游戏规则。每款游戏设置 16 种开局，双方互换先后手，消除先手优势。计分：胜 = 1 分，平局 = 0.5 分。最后一列为 Drex1.1 在相同协议下对战 Jev 的得分。

游戏
Drex1.5 胜 - 平 - 负
Drex1.5 得分
Drex1.1 得分
Lines of Action（行动线棋）
26–3–3
85.9%
65.6%
西洋跳棋
21–3–8
70.3%
59.4%
国际象棋
9–21–26
60.9%
57.8%
点框棋 Dots and Boxes
18–0–14
56.3%
53.1%
Clobber（抢棋）
17–0–15
53.1%
50.0%
黑白棋
15–1–16
48.4%
37.5%
九子莫里斯棋
5–19–8
45.3%
43.8%
四子连珠
11–0–21
34.4%
68.8%

可读取完整长文档，最高 128K 上下文

Drex1.5 单请求最高支持 128K token（Drex1.1 仅 32K）。 针对长文档问答场景：读取全文的准确率显著高于只读取前 8K，且该优势在 32K 以上仍然成立。

  • 8K~32K token，单请求中位数耗时 0.65 秒
    • 读取全文：89.5%｜仅前 8K：76.5%
  • 32K~128K token，单请求中位数耗时 2.0 秒
    • 读取全文：93.4%｜仅前 8K：78.0%

Drex1.5 长文档问答准确率；所有请求一次性前向推理完成。“仅前 8K” 指同一份文档截断至前 8K token。

在线体验：真实案例，原始返回结果

任选案例，两列输入完全相同文本与问题；两个模型都不会输出句子文本。 可选案例：客服工单、合同自然语言推理、讽刺识别、工具路由、小学数学、搜索相关性、标题编辑、模型路由

示例：客户消息（Jev 官方文档同款示例，同时输出分类 + 是否人工升级）

案例原文 客户：上周二被扣两次款项，我很生气。订单号 #4419，要求今天退款。

问题 主题分类：账单问题・程序 bug・物流 是否升级人工：是 / 否 记录时间 2026-09-24
Drex
Jev1.13.0
读取 token
72
365
主题分类账单问题bug物流
0.9970.0010.001
1.0000.0000.000
是否升级人工否是
0.732
0.490

在主题判断上，Jev 直接输出绝对化 1.000/0.00；Drex 输出概率分布，方便设置阈值分流。

自己跑案例

粘贴案例文本，自定义候选选项，直接获取概率。免费试用，无需绑定信用卡。 https://drex.nace.ai/?utm_campaign=drex-launch&utm_content=playground&utm_medium=website&utm_source=nace.ai

部署方案：在你的数据所在地运行

模型体量轻，可以私有化部署、自主保管。任意部署方式，同一请求返回结果格式完全一致

  1. 本地私有化部署：部署在你的云账户、边缘设备或本地机房。单卡即可加载，决策数据不离开内网
  2. 托管部署：Nace 托管基础设施，容量、扩缩容、版本升级由厂商维护
  3. 混合部署：涉及强监管数据的决策保留在你的环境，其余请求走托管服务；请求格式、输出结果完全相同

可基于你的业务决策数据微调 页面所有评测结果均基于决策数据集训练。可使用你标注的业务结果微调 Drex，交付专属权重文件。

FP8 量化后，98.1% 的决策结果保持不变 Drex1.1 在 FP8 精度下决策行为与 bf16 基本一致。FP8 权重内存占用减半。 2511 道测试题对比：FP8 与 bf16 输出相同答案占 98.1%；概率平均偏移 0.015，最大偏移 0.29；FP8 准确率 92.57%，bf16 为 92.49%。

FAQ

  • 什么是决策模型？它和 LLM 有什么区别？
  • 它能处理哪些类型问题？
  • 和 Jev 对比如何？
  • 模型参数量多大？
  • 训练集是否包含评测基准数据？
  • 是否可以部署在我方环境、基于我方业务数据训练？

合规：SOC1 & SOC2 认证，审计落地，不是口头承诺

独立审计机构核验 Drex 的管控体系，满足强监管业务场景落地。

  • SOC1：财务报告管控。当 Drex 决策结果用于财务报表流程时，审计重点：权限、变更管理、运维流程
  • SOC2：安全管控。Type II 报告覆盖 Drex 的构建、部署、运维；审计师持续数月验证安全控制。

缩短供应商安全评审流程 直接交付审计报告，不用反复填写安全问卷。 适配你现有审计流程 Drex 可以嵌入你现有审计覆盖的业务流程，无需单独申请例外审批。

数据留存于你指定环境 私有化 / 混合部署场景，模型读取的业务案例不会流出内网。 每一条决策均可留痕 每次输出都是你给定选项的概率，所有决策可完整日志留存、复核。

https://www.nace.ai/contact?product=drex&source=drex-compliance

把决策模型放在不确定性最多的业务环节。 即刻免费试用。业务微调 + 私有化部署方案可按需落地。https://drex.nace.ai/?utm_campaign=drex-launch&utm_content=cta_band&utm_medium=website&utm_source=nace.aihttps://www.nace.ai/contact?product=drex&source=drex

要点提炼

  1. 产品定位：决策专用模型（Decision Model），不是生成式大模型
    不生成自然语言，输入事实 + 候选选项，直接输出各选项概率分布，杜绝幻觉文本、无需解析 JSON。类比系统 1 直觉决策，一次前向推理完成打分。
  2. 核心亮点
    • 参数量＜10B，128K 上下文窗口；长文档读取全文，相比截断前 8K 有巨大准确率提升
    • 在 Decision Index 0.2.1 榜单 71 个模型总分第一，超过同类标杆 Jev；单次推理 token 消耗仅 Jev 约 1/5
    • 支持私有化 / 托管 / 混合部署；FP8 量化损失极小；SOC1/SOC2 审计合规，适合金融、风控、审计、保险等高合规业务
    • 业务场景：信贷审批、保险理赔、应付账款审核、工单路由、合同判定、工具调用路由等
  3. 与 Jev 对比
    同类型决策模型，Drex 总分更高；JevBench 综合准确率略低，但长文档、token 效率优势显著；棋类对战总战绩 Drex 胜出。
  4. 本质差异 vs LLM
    LLM 是生成文本，最后给出答案，容易出现幻觉、输出格式错误，需要额外解析；Drex 只在你预先限定的选项集合上输出概率，输出可控，适合自动化业务决策流水线。

【声明】内容源于网络
0
0
苏哲管理咨询
为企业及组织提供AI+战略、数智化转型咨询及观点、建议等
内容 2381
粉丝 0
苏哲管理咨询 为企业及组织提供AI+战略、数智化转型咨询及观点、建议等
总阅读68.1k
粉丝0
内容2.4k