Nace 开源 27B 决策模型 Drex Max v1：不写文章、只给概率，24GB 内存的 Mac 就能本地跑

决策模型这个新赛道又添一个开源选手。Nace AI 在 11 月 1 日放出了 Drex Max v1 的开源权重——这是该公司最强的决策模型，27B 稠密参数，不生成文本，只对给定的问题返回每个选项的概率，一次前向推理出结果。权重以 Open RAIL-M 许可证发布，附带 bf16 全量权重、Q8_0 GGUF 与 affine Q4 量化版，以及 llama.cpp 与 Ollama 的分支。

先说清楚时间线：Drex Max 本体早在 10 月 19 日就以托管 API 的形式上线，这次的新消息是权重开源。按 Nace 自报的成绩，Drex Max 在公开的 Decision Index 0.4 上拿到 67.52 分，比自家 Drex v2.0 高 6.27 分，比 TypeSafe 的 Jev 1.13.0 高近 10 分；在 Artificial Analysis 的决策指数上为 64 分，18 个模型里排第四。以上均为厂商自报成绩，尚未见独立复现。

对普通开发者来说，更实际的看点是本地运行门槛：affine Q4 检查点在 24GB 以上内存的 Apple Silicon Mac 上就能跑（走 Kapitsa 或 MLX），Q8_0 GGUF 需要 48GB 内存，在 48GB 的 M5 Pro 上跑出的概率与 H100 的 bf16 结果相差不到 0.02；bf16 全量权重约 49GB，需要 NVIDIA GPU。需要注意的是，Mac 端目前只能处理文本，图片输入还得走 NVIDIA GPU 上的 Python 实现。

决策模型的定位和聊天模型完全不同：它不写段落，而是直接给路由、分流、打分、策略检查这类问题输出带置信度的判断，适合嵌进软件流程里自动做决定。这类模型最近热度不低——TypeSafe 的 Jev 10 月刚拿了 8.7 亿美元融资，如今 Nace 把自家旗舰权重开源，等于把同一条赛道的价格打了下来。相关阅读可看本站此前的两篇开源模型报道：Mistral 放出 1 万亿参数 Large 4 权重与英伟达开源 Nemotron 3.5 转录模型。

来源：Hugging Face（模型卡），原文：https://huggingface.co/nace-ai/drex-max-v1；另见 MarkTechPost 报道：https://www.marktechpost.com/2026/11/01/nace-ai-open-sources-drex-max-v1-local-inference/