Nace AI ouvre les poids de Drex Max v1 : un modèle de décision 27B exécutable sur un Mac 24 Go, voie locale limitée au texte
Selon un article de MarkTechPost du 1er novembre 2026 (qui précise en fin de texte être sponsorisé par Nace AI), Nace AI publie sous licence Nace.AI Open RAIL-M les poids de Drex Max v1, un modèle de décision dense de 27B, avec des checkpoints bf16, Q8_0 GGUF et affine Q4 ; la société annonce elle-même un score de 67,52 au Decision Index 0.4.
Ce qui change
Selon un article de MarkTechPost daté du 1er novembre 2026, qui indique en fin de texte que l'article est sponsorisé par Nace AI, Nace AI a publié Drex Max v1 sous forme de poids ouverts, sous licence Nace.AI Open RAIL-M. L'article décrit un modèle de décision à 27 milliards de paramètres denses : il ne génère pas de texte, mais reçoit un état (texte, JSON ou image) et une question nommée, puis renvoie en une seule passe avant les probabilités de chaque option ; les questions relèvent de trois catégories — choisir parmi des options nommées, oui/non, notation ordinale — avec jusqu'à 255 options par question. La fiche du modèle décrit une architecture de 64 couches, dont 48 couches d'attention linéaire Gated DeltaNet de gauche à droite et 16 couches d'attention complète non causale placées toutes les quatre couches, chaque token pouvant porter son attention sur toute la séquence ; le fichier de configuration indique un type de modèle qwen3_5 et une fenêtre de 262 144 positions, avec 16 384 par défaut. La publication comprend les poids bf16, un GGUF Q8_0 (27,25 GB), un checkpoint affine Q4 (14,45 GB), ainsi que des forks de llama.cpp et d'Ollama ; l'article indique que les cinq runtimes exposent uniformément une interface POST /v1/systemone. Les benchmarks et les comparaisons de quantification sont tous auto-déclarés par Nace AI : 67,52 au Decision Index 0.4, au-dessus des Drex v2.0 (61,25) et Jev 1.13.0 (57,96) qu'elle liste, avec un Artificial Analysis Decision Index de 64 ; sur un M5 Pro de 48 GB, l'écart de probabilité par item entre Q8_0 et le bf16 sur H100 reste inférieur à 0,02, et l'écart entre affine Q4 et Q8_0 inférieur à 0,0329, sans inversion de choix. L'article mentionne aussi une version hébergée sur OpenRouter, à 0,03 dollar les mille décisions au moment de la publication, le prix actuel devant être vérifié sur la page tarifaire de l'éditeur.
Conséquences pour les développeurs
Le premier changement pour les développeurs porte sur la forme de l'interface : il ne s'agit pas d'une API de chat que l'on pourrait remplacer en transformant un prompt en liste d'options. L'appelant doit d'abord fournir un ensemble d'options et un type de question, et reçoit en retour un ensemble de probabilités ; les seuils, l'abstention et les stratégies de repli restent à définir côté métier, ce qui diffère totalement d'une sortie en texte libre qu'on analyse ensuite. Le deuxième changement concerne les paliers de déploiement : les seuils mémoire cités par l'article sont un affine Q4 pour les Mac de 24 GB et plus, un GGUF Q8_0 nécessitant 48 GB, et côté NVIDIA environ 49 GB en bf16 ou 26 GB en 8 bits, ce qui signifie que le même modèle peut tourner sur un portable, une carte unique et un serveur GPU, mais avec des précisions et des débits différents. Le troisième est une lacune des chemins locaux : les quatre voies llama.cpp, Ollama, Kapitsa et MLX ne prennent pas en charge les images, seul Python avec GPU NVIDIA le permet, si bien qu'un tri de tickets contenant des captures d'écran ne peut pas être déplacé intégralement sur un Mac. Le quatrième point touche à la nature de la licence : des poids téléchargeables ne valent pas licence open source reconnue par l'OSI ; Open RAIL-M comporte des restrictions d'usage qu'il faut vérifier avant tout usage commercial. Le cinquième est l'écart sur le contexte long : la fenêtre annoncée est de 262 144, mais la valeur par défaut est 16 384, et l'article recommande un contexte de 2048 pour Kapitsa sur un Mac de 48 GB — la fenêtre revendiquée ne correspond donc pas à la configuration que vous exécuterez réellement. Il faut souligner que ces chiffres de performance et d'écart de quantification proviennent tous de l'éditeur, que l'article source est un contenu sponsorisé et qu'aucune reproduction indépendante n'est disponible.
Intégration et évaluation
Ce qui suit relève de recommandations et d'analyses conditionnelles fondées sur l'article, et non de faits vérifiés. Premièrement, si votre charge de routage ou de tri est purement textuelle, vous pouvez d'abord essayer l'affine Q4 sur un Mac doté de 24 GB de mémoire unifiée ou plus : l'article indique que ce checkpoint pèse 14,45 GB et n'entraîne pas d'inversion de choix, ce qui offre une base pour un déploiement progressif hors ligne, à condition que la charge ne contienne pas d'images et que vous acceptiez la latence d'une inférence sur une seule machine ; le critère d'évaluation est de comparer, sur vos propres tickets historiques annotés, le taux de concordance top-1 et le taux d'inversion autour du seuil entre Q4 et bf16 ou la version hébergée, et de ne basculer le trafic qu'une fois le seuil de concordance prédéfini atteint. Deuxièmement, si les entrées contiennent des captures d'écran ou des documents scannés, l'article indique que les images passent par une tour visuelle native et sont visibles pour toutes les questions de la requête, mais aucune des quatre voies locales ne gère les images : il faut donc soit conserver un appel GPU ou hébergé, soit convertir d'abord l'image en texte pour rester en local ; le critère est de mesurer, sur votre propre jeu de captures, la précision de choix et le taux de non-réponse de la voie visuelle et de la voie OCR plus texte, et non de se fier au seul indice visuel public de 73,92. Troisièmement, pour les entrées longues, il est conseillé de fixer explicitement la longueur de contexte et de refaire les tests à la longueur visée : l'article précise que les requêtes sans réponse sont comptées comme erreurs dans le jeu de résultats, donc les non-réponses liées au contexte long font mécaniquement monter le taux d'erreur ; les indicateurs doivent inclure la proportion de non-réponses et la courbe de dégradation de la précision selon la longueur de contexte. Quatrièmement, la conception à 255 têtes de lecture répondant à plusieurs questions en une seule passe permet de regrouper plusieurs contrôles de politique dans une même requête, à condition que les ensembles d'options des questions fusionnées ne se contredisent pas et que la longueur totale reste dans la fenêtre ; le critère est de comparer, entre fusion et découpage, la latence par requête, l'écart de probabilité par question et le taux de non-réponse en contexte long.
Limites et points à confirmer
La version Drex Max v1 ne figure pas actuellement dans le catalogue de modèles de KimiSeek ; l'API hébergée et la disponibilité de la console cloud mentionnées renvoient à Nace AI, et la question de savoir si notre site l'intègre et à quel prix doit être vérifiée dans le catalogue et sur la page tarifaire. Tous les benchmarks, classements et écarts de quantification cités dans l'article sont déclarés par Nace AI, l'article source est sponsorisé par l'éditeur et aucune reproduction indépendante n'a été observée. La comparaison de quantification n'a été réalisée que sur un seul M5 Pro de 48 GB ; des chiffres comme un écart de probabilité de 0,0329 ne peuvent pas être extrapolés directement à d'autres matériels et combinaisons de quantification. La licence est Nace.AI Open RAIL-M : des poids ouverts ne signifient pas une licence open source OSI, et les restrictions d'usage doivent être vérifiées. Le type de modèle qwen3_5 présent dans la configuration ne reflète qu'un champ d'architecture ; l'article ne précise ni l'origine des données d'entraînement ni la relation avec un modèle de base. Enfin, l'article ne décrit pas le comportement concret de l'interface locale en l'absence d'option appropriée, et indique seulement que les non-réponses sont comptées comme erreurs dans le jeu de résultats.