我们注意到，Nace AI 团队公布了一个很具体的数字：Drex Max 在公开决策基准 Decision Index 上得分 67.52，比 Jev 1.14.0 高 6.82 分；处理一次典型请求约需 183 毫秒。专用模型正在以更短响应时间进入企业判断场景。

这是什么

Drex 是一组面向“决策任务”的开放模型：输入文件、记录或智能体上下文（系统当前掌握的信息）以及带选项的问题，模型直接为各选项给出概率，而不是像聊天模型那样逐步生成文字。四款模型分别采用扩散语言模型、混合注意力、稀疏专家混合和稠密架构，规模从 8B 到 35B 不等。

训练数据包括 115 万条经核验的决策记录、290 万道题。除监督微调外，团队加入强化学习与一致性训练：后者把选项顺序变化导致的答案翻转率从 6.3% 降至 4.2%。模型权重以 safetensors 和 GGUF 格式提供，可通过 llama.cpp 与 Ollama 运行。

行业怎么看

值得关注的变化不是“又一个模型”，而是工作流开始拆分：通用聊天模型负责知识问答与内容生成，专用模型负责可验证的选择、审核和分类。Nace AI 报告称，Drex Max 单次请求约 183 毫秒，而文中所列 GPT-6 Sol 与 Claude Opus 5.5 分别约为 2.0 秒和 3.5 秒。对高并发业务而言，延迟差距可能比总榜单排名更有商业意义。

但风险同样明确。Nace AI 承认，这些模型在闭卷知识上仍落后于前沿聊天模型，而且尚未完成同一骨干架构之间的严格对照实验。OpenRouter 排名第三、Artificial Analysis 位列前五，也主要反映特定评测表现，不能直接等同于真实企业部署效果。决策模型输出概率，也不代表其判断经过业务验证；错误选项一旦进入风控、招聘或采购流程，自动化只会更快放大偏差。

对普通人的影响

对企业 IT：企业可能逐步采用“通用模型加专用模型”的组合，把合同审核、工单分流等任务交给更稳定、可缓存的模型，同时保留人工复核与审计记录。

对个人职场：更多判断型软件会从“给出建议”转向“直接推荐选项”，知识工作者需要更关注检查条件、概率和例外规则，而不只是提示词技巧。

对消费市场：本地运行与较低延迟会推动更多轻量助手进入客服、购物和设备端，但速度提升并不自动带来更高质量，消费者仍需确认数据来源与责任归属。