Drex Max โมเดล AI 27,000 ล้านพารามิเตอร์ได้ 67.52 คะแนนในการประเมินสาธารณะ

โมเดลเพื่อการตัดสินใจ Drex Max ของ Nace AI ซึ่งมีพารามิเตอร์ 27,000 ล้านตัว (27B) ได้คะแนน 67.52 ในการประเมินสาธารณะ Decision Index 0.4

Nace AI เปิดเผยรายงานทางเทคนิคของ Drex Max เมื่อวันที่ 5 รายงานระบุว่าโมเดลอ่านข้อความ เอกสาร หรือคำถามที่ผู้ใช้ป้อน แล้วคำนวณความน่าจะเป็นให้ตัวเลือกคำตอบที่กำหนดไว้ล่วงหน้า แทนการสร้างคำตอบทีละคำแบบ AI สนทนา โมเดลจะประเมินตัวเลือกในกระบวนการคำนวณครั้งเดียว

คำถามสามารถกำหนดให้เลือกหนึ่งในตัวเลือก ตอบใช่หรือไม่ หรือให้คะแนนตามลำดับได้ รายงานระบุว่าแนวทางนี้ออกแบบมาเพื่อลดขั้นตอนการนำข้อความที่สร้างขึ้นมาวิเคราะห์ซ้ำ

โมเดลรับข้อมูลข้อความ JSON และภาพ และรองรับบริบท 262,000 โทเคน ตระกูล Drex ประกอบด้วย DLM ขนาด 8,000 ล้านพารามิเตอร์ รุ่น v1.5 ขนาด 9,000 ล้าน รุ่น v2.0 ขนาด 35,000 ล้าน และรุ่น Max ขนาด 27,000 ล้านพารามิเตอร์ โดย v2.0 ใช้โครงสร้าง Mixture of Experts ซึ่งเปิดใช้งานพารามิเตอร์ประมาณ 3,000 ล้านตัวจากทั้งหมด 35,000 ล้านตัว

ในการทดสอบ Decision Index 0.4 Drex Max ได้ 67.52 คะแนน เทียบกับ Jev 1.14.0 ซึ่งเป็นโมเดลเพื่อการตัดสินใจที่รายงานนำมาเปรียบเทียบและได้ 60.70 คะแนน ส่วนการทดสอบ Decision Bench v4 โมเดลมีความแม่นยำ 94.0% โดยไม่พบความแตกต่างอย่างมีนัยสำคัญทางสถิติเมื่อเทียบกับ GPT-6 Sol และ d3-turbo ขณะที่คะแนนต่ำกว่า Claude Opus 5.5 อยู่ 1.6 จุดเปอร์เซ็นต์

ค่ามัธยฐานเวลาตอบสนองต่อคำขอทั่วไปอยู่ที่ 183 มิลลิวินาที จากการวัดของบริษัท รายงานระบุว่าทดสอบด้วยอุปกรณ์ในรัฐออริกอน และรวมเวลาเครือข่ายไปยังเซิร์ฟเวอร์ 70–215 มิลลิวินาทีไว้ด้วย ตารางวัดผลเดียวกันระบุว่า GPT-6 Sol ใช้เวลาประมาณ 2.0 วินาที และ Claude Opus 5.5 ประมาณ 3.5 วินาที ตัวเลขเหล่านี้เป็นผลจากสภาพแวดล้อมทดสอบเฉพาะ ไม่ได้รับรองว่าจะได้ความเร็วเท่าเดิมเมื่อความยาวข้อมูลนำเข้าหรือสภาพการให้บริการเปลี่ยนไป

การฝึกโมเดลใช้การปรับแต่งแบบมีผู้สอนและการเรียนรู้แบบเสริมแรงจากฟีดแบ็กที่ปรับแต่งแล้ว (RLAF) โดยเพิ่มการฝึกประมวลผลภาพให้ Drex Max ด้วย ในการทดลองเปรียบเทียบของรายงาน RLAF ทำให้คะแนน Decision Index สูงกว่าโมเดลที่ใช้เฉพาะการปรับแต่งแบบมีผู้สอน 2.0 คะแนน และเพิ่มความแม่นยำ 1.5 จุดเปอร์เซ็นต์ ส่วนการฝึกให้ตัดสินใจสอดคล้องกันเมื่อลำดับตัวเลือกเปลี่ยนไป มุ่งลดโอกาสที่คำตอบจะเปลี่ยนเพราะการสลับลำดับ

อย่างไรก็ตาม ในคำถามที่มีตัวเลือกตั้งแต่ 6 ข้อขึ้นไป พบว่า 13% ของกรณีคำตอบที่ได้ความน่าจะเป็นสูงสุดเปลี่ยนไปเมื่อสุ่มสลับลำดับตัวเลือก ในบางสาขางาน ระดับความเชื่อมั่นเฉลี่ยของโมเดลสูงกว่าความแม่นยำจริง 5–9 จุดเปอร์เซ็นต์ รายงานจึงเสนอให้ปรับเกณฑ์ตามสภาพแวดล้อมการใช้งาน และส่งการตัดสินใจที่มีความเชื่อมั่นต่ำให้มนุษย์พิจารณา

Nace AI ยังนำเสนอ Drex for Search สำหรับงานค้นหา และ Drex for Finance สำหรับงานด้านการเงิน โดยทั้งสองผลิตภัณฑ์เน้นประเมินความเกี่ยวข้องของผลการค้นหาหรือเลือกขั้นตอนดำเนินงานถัดไป มากกว่าการสร้างข้อความยาว นอกจากนี้ยังมีบริษัทอื่นเปิดตัวโมเดลที่ส่งคืนค่าความน่าจะเป็นของแต่ละตัวเลือกเช่นกัน

มีการเปิดเผยน้ำหนักของ Drex Max ภายใต้สัญญาอนุญาต Nace.AI Open RAIL-M องค์กรที่มีรายได้รวมในช่วง 12 เดือนล่าสุดเกิน 1 ล้านดอลลาร์ (ประมาณ 1.348 พันล้านวอน) หรือมีเงินระดมทุนสะสมเกินเกณฑ์เดียวกัน ต้องขอใบอนุญาตเชิงพาณิชย์เป็นลายลักษณ์อักษรเพิ่มเติม ยกเว้นการใช้งานส่วนบุคคลและการวิจัย

สัญญาอนุญาตยังกำหนดให้ต้องได้รับอนุญาตเพิ่มเติม หากให้บริการที่แข่งขันกับโมเดลเพื่อการตัดสินใจหรือผลิตภัณฑ์วิเคราะห์เอกสารของเครือ Nace AI และจำกัดการใช้โมเดลตัดสินใจเรื่องที่ส่งผลสำคัญต่อบุคคล เช่น การจ้างงาน สินเชื่อ ที่อยู่อาศัย ประกัน การแพทย์ และการศึกษา โดยอัตโนมัติทั้งหมดโดยไม่มีการตรวจสอบจากมนุษย์อย่างมีความหมาย โค้ดในคลังสาธารณะใช้สัญญาอนุญาต Apache-2.0 แต่เงื่อนไขการใช้น้ำหนักโมเดลกำหนดแยกต่างหาก