Drex 1.5
Nace AI开源的9B参数决策模型，通过对候选选项返回概率值进行量化评分而非生成文本，支持128K上下文，可在单次前向传播中完成多选项打分
时间轴 (近 90 天)
Nace.AI 开源了名为 Drex 1.5 的决策模型
Drex 1.5 是一个 90 亿参数（9B）规模的决策模型
Drex 1.5 对每一个候选选项返回一个概率值，而不是生成自然语言文本
Drex 1.5 能在一次前向传播中为所有候选选项返回概率
Drex 1.5 在 Decision Index 0.3.1 基准上取得了 58.08 的分数
Drex 1.5 支持最高 128K tokens 的上下文读取能力
58.08 分缺乏充分的横向参照系，没有大量其他模型在同一基准同一版本下的公开成绩作为对比
Drex 1.5 适合风险评估、方案排序、A/B 候选打分、agent 场景中的工具或行动选择等任务
用生成式模型评估 K 个候选选项时，总成本随选项数线性增长，而单次前向传播可将推理成本压缩到一次计算
开源让使用者能根据业务定制评分逻辑、在私有数据上继续训练，并提供更强的可控性与可审计性
全部知识事实 (10)
开源让使用者能根据业务定制评分逻辑、在私有数据上继续训练，并提供更强的可控性与可审计性
50%待验证Drex 1.5 是一个 90 亿参数（9B）规模的决策模型
50%待验证Drex 1.5 对每一个候选选项返回一个概率值，而不是生成自然语言文本
50%待验证Drex 1.5 能在一次前向传播中为所有候选选项返回概率
50%待验证Drex 1.5 在 Decision Index 0.3.1 基准上取得了 58.08 的分数
50%待验证Drex 1.5 支持最高 128K tokens 的上下文读取能力
50%待验证58.08 分缺乏充分的横向参照系，没有大量其他模型在同一基准同一版本下的公开成绩作为对比
50%待验证Drex 1.5 适合风险评估、方案排序、A/B 候选打分、agent 场景中的工具或行动选择等任务
50%待验证用生成式模型评估 K 个候选选项时，总成本随选项数线性增长，而单次前向传播可将推理成本压缩到一次计算
50%待验证Nace.AI 开源了名为 Drex 1.5 的决策模型
50%