← 전체 모델 소식

Nace AI, Drex Max v1 가중치 공개: 27B dense 의사결정 모델이 24GB Mac에서 구동, 로컬 경로는 현재 텍스트만

MarkTechPost가 2026년 11월 1일 보도한 내용(기사 말미에 Nace AI 협찬 명시)에 따르면, Nace AI는 27B dense 의사결정 모델 Drex Max v1의 가중치를 Nace.AI Open RAIL-M으로 공개했으며 bf16, Q8_0 GGUF, affine Q4 체크포인트를 제공한다. 자체 보고 기준 Decision Index 0.4에서 67.52를 기록했다.

게시 수정

주요 변화

MarkTechPost가 2026년 11월 1일 보도한 기사(말미에 Nace AI 협찬 명시)에 따르면, Nace AI는 Drex Max v1을 오픈 가중치 형태로 공개했고 라이선스는 Nace.AI Open RAIL-M이다. 보도는 이를 27B dense 파라미터 의사결정 모델로 설명한다. 텍스트를 생성하는 모델이 아니라 상태(텍스트, JSON 또는 이미지)와 명명된 질문을 입력받아 한 번의 순방향 전파로 각 선택지에 대한 확률을 반환한다. 질문은 세 가지로 나뉘며, 명명된 선택지 중 하나 고르기, 예/아니오, 서수 점수 매기기이고 질문 하나당 최대 255개 선택지를 지원한다. 모델 카드가 설명하는 구조는 64층 백본으로, 이 중 48층은 왼쪽에서 오른쪽으로 진행하는 Gated DeltaNet 선형 어텐션이고 나머지 16층은 네 층마다 배치된 비인과적 전체 어텐션으로 각 토큰이 전체 시퀀스를 참조할 수 있다. 설정 파일에는 qwen3_5 모델 유형과 262,144 위치 윈도가 기재되어 있으며 기본값은 16,384다. 배포물에는 bf16 가중치, Q8_0 GGUF(27.25GB), affine Q4 체크포인트(14.45GB), 그리고 llama.cpp와 Ollama 포크가 포함된다. 보도에 따르면 다섯 가지 런타임이 모두 POST /v1/systemone 인터페이스를 제공한다. 벤치마크와 양자화 비교는 모두 Nace AI 자체 보고다. Decision Index 0.4에서 67.52로, 자사가 나열한 Drex v2.0(61.25)과 Jev 1.13.0(57.96)보다 높고 Artificial Analysis Decision Index는 64다. 48GB M5 Pro에서 Q8_0과 H100 bf16의 항목별 확률 차이는 0.02 이내였고, affine Q4와 Q8_0의 차이는 0.0329 이내이며 선택 뒤집힘은 나타나지 않았다고 한다. 보도는 호스팅 버전이 OpenRouter에서 제공되며 출시 당시 가격은 1,000회 의사결정당 0.03달러라고 언급했는데, 현재 가격은 제조사 가격 페이지에서 확인해야 한다.

개발자에게 미치는 영향

개발자에게 첫 번째 변화는 인터페이스 형태에 있다. 프롬프트를 선택지로 바꾸는 것만으로 채팅 모델을 대체할 수 있는 인터페이스가 아니다. 호출 측은 선택지 집합과 질문 유형을 먼저 제시해야 하고, 받는 것은 확률 집합이므로 임계값, 답변 보류, 폴백 전략은 서비스 측이 직접 정의해야 한다. 자유 텍스트를 출력한 뒤 파싱하는 방식과는 전혀 다르다. 두 번째 변화는 배포 계층화다. 보도가 제시한 메모리 기준은 affine Q4가 24GB 이상 Mac, Q8_0 GGUF가 48GB, NVIDIA 쪽은 bf16 약 49GB 또는 8비트 약 26GB로, 같은 모델을 노트북, 단일 GPU, GPU 서버 세 가지 구성에 올릴 수 있다는 뜻이지만 정밀도와 처리량은 다르다. 세 번째는 로컬 경로의 기능 공백이다. llama.cpp, Ollama, Kapitsa, MLX 네 경로 모두 이미지를 지원하지 않고, Python과 NVIDIA GPU 조합만 이미지를 지원한다. 스크린샷이 포함된 티켓 분류를 Mac으로 통째로 옮길 수는 없다. 네 번째는 라이선스 성격이다. 가중치를 내려받을 수 있다는 것이 OSI가 인정한 오픈소스 라이선스라는 뜻은 아니다. Open RAIL-M에는 사용 제한이 있으므로 상업적 사용 전에 조항을 직접 확인해야 한다. 다섯 번째는 긴 컨텍스트의 기준 차이다. 윈도는 262,144로 적혀 있지만 기본값은 16,384이고, 보도는 48GB Mac에서 Kapitsa를 쓸 때 2,048 컨텍스트를 권했다. 선언된 긴 윈도가 실제로 실행할 구성과 같지는 않다. 강조할 점은 위 성능과 양자화 편차 수치가 모두 제조사 자체 보고이고, 출처 기사는 협찬 콘텐츠이며, 제3자 재현은 확인되지 않았다는 것이다.

연동 및 평가 제안

다음은 보도에 근거한 권장과 조건 분석이며, 이미 검증된 사실이 아니다. 첫째, 라우팅이나 분류 작업이 순수 텍스트라면 24GB 이상 통합 메모리를 갖춘 Mac에서 affine Q4를 먼저 시험해볼 수 있다. 보도에 따르면 이 체크포인트는 14.45GB이고 선택 뒤집힘이 없었으며, 이는 오프라인 그레이 배포의 전제가 된다. 다만 부하에 이미지가 없고 단일 머신 추론 지연을 감수할 수 있어야 한다. 평가 기준은 직접 라벨링한 과거 티켓에서 Q4와 bf16 또는 호스팅 버전의 top-1 일치율, 임계값 부근의 뒤집힘 비율을 비교하는 것이다. 일치율이 미리 정한 기준에 도달했을 때만 트래픽을 전환한다. 둘째, 입력에 스크린샷이나 스캔 문서가 포함된다면, 보도는 이미지가 네이티브 비전 타워를 거치고 요청 내 모든 질문에서 볼 수 있다고 하지만 네 가지 로컬 경로 모두 이미지를 지원하지 않는다. 따라서 선택지는 GPU나 호스팅 측 호출을 유지하거나, 이미지를 먼저 텍스트로 변환한 뒤 로컬로 보내는 것이다. 평가 기준은 자체 스크린샷 세트로 비전 경로와 OCR+텍스트 경로의 선택 정확도와 미응답률을 각각 측정하는 것이며, 공개 비전 지수 73.92만 보는 것이 아니다. 셋째, 긴 입력과 관련해서는 컨텍스트 길이를 명시적으로 설정하고 목표 길이에서 다시 측정할 것을 권한다. 보도에 따르면 미응답 요청은 결과 데이터셋에서 오류로 집계되므로, 긴 컨텍스트에서 생기는 미응답은 오류율을 직접 높인다. 평가 지표에는 컨텍스트 길이별 미응답 비율과 정확도 저하 곡선이 포함되어야 한다. 넷째, 255-way 판독 헤드와 한 번의 순방향 전파로 여러 질문에 답하는 설계는 여러 정책 점검을 하나의 요청으로 합치는 것을 가능하게 한다. 전제는 합친 뒤 각 질문의 선택지 집합이 충돌하지 않고 전체 길이가 여전히 윈도 안에 있어야 한다는 것이다. 평가 기준은 합치기와 분리 방식의 요청당 지연, 질문별 확률 차이, 긴 컨텍스트에서의 미응답률이다.

제한과 확인할 사항

Drex Max v1 이 버전은 현재 KimiSeek 모델 카탈로그에 없다. 보도에서 언급한 호스팅 API와 클라우드 콘솔 가용성은 모두 Nace AI 측을 가리킨다. KimiSeek가 해당 모델을 연동·수록하는지와 어떤 가격으로 제공하는지는 카탈로그와 가격 페이지로 확인해야 한다. 보도의 모든 벤치마크, 순위, 양자화 편차 수치는 Nace AI 자체 보고이고, 출처 기사는 제조사 협찬이며, 독립 재현은 확인되지 않았다. 양자화 비교는 48GB M5 Pro 한 대에서만 수행되었다. 0.0329 같은 확률 편차 수치를 다른 하드웨어와 양자화 조합에 그대로 외삽할 수는 없다. 라이선스는 Nace.AI Open RAIL-M이다. 가중치 공개가 OSI 오픈소스 라이선스를 뜻하지 않으며 사용 제한은 직접 확인해야 한다. 설정에 나타난 qwen3_5 모델 유형은 구조 필드만 반영한다. 보도는 학습 데이터 출처와 기반 모델 관계를 밝히지 않았다. 또한 보도는 로컬 인터페이스가 적합한 선택지가 없을 때 어떤 구체적 동작을 하는지 설명하지 않았고, 미응답이 결과 데이터셋에서 오류로 집계된다고만 언급했다.

3분이면 첫 호출까지

가입 후 API 키를 만드세요. 호출 비용은 계정 잔액에서 차감됩니다. 첫 충전 30% 할인. ¥500 충전, 결제 ¥350, 잔액 ¥500 적립. ¥1000 충전, 결제 ¥850, 잔액 ¥1000 적립 최소 충전 금액은 그대로 ¥10이며, 시험용으로 사용할 수 있습니다.

출처와 편집 과정

Nace AI 开源 Drex Max v1:可在 Apple Silicon 本地运行的 27B 决策模型

인용한 출처를 바탕으로 AI가 분석과 번역을 돕고 자동 품질 검사를 수행합니다. 제안은 실측 결과가 아닙니다. 제공 여부와 가격은 현재 카탈로그를 확인하세요.