Модели решений: Drex 2.0 против Jev

В архитектуре ИИ-систем набирает силу отдельный класс моделей: модели решений. Они не пишут текст и не рассуждают вслух, а получают контекст и выбирают один вариант из заранее заданного набора. Главным ориентиром в этой нише стала модель Jev, а теперь компания Nace AI выпустила Drex 2.0 и сравнивает её с Jev напрямую. Разбираем, что умеет новая модель, откуда берутся её цифры и где такие модели действительно полезны.

Сразу оговорка: обзор, на который мы опираемся, автор Sumanth подготовил вместе с Nace AI, а почти все результаты получены самой компанией. Поэтому дальше мы сверяем их с карточкой модели на Hugging Face, где картина чуть менее однозначная.

Drex 2.0 построена на Qwen3.6-35B-A3B: это MoE-модель на 35 млрд параметров, из которых на каждый токен работает около 3 млрд. Сверху Nace добавила собственную «pointer head», которая превращает результат в вероятности. Ключевое отличие от обычной LLM в том, что модель ничего не генерирует: она получает состояние и типизированные вопросы и за один прямой проход возвращает вероятность для каждого варианта ответа.

Малое число активных параметров важно для сценариев, где система принимает много мелких решений подряд: маршрутизация запросов, проверка готовности результата, защитные фильтры, решение о том, нужен ли вызов большой модели. За пределами агентов это антифрод, модерация, операционная маршрутизация и управление в реальном времени. Контекст по умолчанию 16 384 токена, его можно поднять до 131 072, а на входах от 32 до 128 тысяч токенов Nace заявляет прирост скорости до 38% относительно Drex 1.5. Веса весят около 70 ГБ в bf16 и около 37 ГБ в GGUF Q8_0, лицензия Nace.AI Open RAIL-M.

Основной рейтинг называется Decision Index 0.3.1. В нём у Drex 2.0 около 61 балла (61,25 по карточке), у Jev 1.13.0 почти 58, у предыдущей Drex 1.5 тоже около 58. В серии из 256 очных игр против Jev новая модель набирает 60,9%. На DecideBench v1.1 Drex 2.0 показывает 96,5% против 90,0% у Drex 1.5.

Однако в карточке модели есть и цифры, которых нет в обзоре. На DecideBench v1.1 Jev набирает 98,0%, то есть опережает Drex 2.0, хотя Nace уточняет, что это не официальная заявка в рейтинг. На собственном бенчмарке JevBench Jev тоже впереди: 86,6% против 85,7%. В классификации писем модели почти равны: AUC 0,984 у Drex и 0,981 у Jev. Так что корректнее говорить о том, что Drex 2.0 догнала лидера и в ряде задач его обошла, а не о безусловной победе.

Анализ договоров. На ContractNLI модель решает, подтверждается ли гипотеза текстом договора: 2091 решение по 123 соглашениям о неразглашении и 17 гипотезам. Drex 2.0 набрала 83,1 macro-F1 против 72,0 у Jev и 81,5 у Drex 1.5, выиграв в 14 гипотезах из 17. Хороший пример задачи для модели решений: документ уже есть, генерировать ничего не нужно, нужно выбрать ответ.

Вождение в симуляторе. Модель принимает экстренные решения примерно за 170 мс. На 200 смоделированных сценах аварий стало на 43% меньше, столкновений с пешеходами и велосипедистами 10 вместо 24, лобовых столкновений ноль.

Музыка и код. В тесте POP909 на распознавание аккордов (500 долей, 129 вариантов аккорда на каждую) Drex 2.0 угадала 77,2% против 22,8% у Jev. На CRUXEval, где нужно предсказать поведение Python-кода без запуска, результат 85,1% против 74,2%, причём Drex решила 88 функций, на которых Jev ошиблась. Ещё модель проверяли на платёжной маршрутизации, антифроде, распознавании ботов на GitHub и судейских решениях в футболе.

Фильтр перед выдачей кода. Drex ставится между моделью, которая генерирует автодополнение, и следующим этапом системы, и решает, пропускать ли результат дальше. На 200 подсказках фильтрация занимала около 0,2 секунды. Утечек секретов не было ни одной, а у фильтра на регулярных выражениях их было 13, без фильтра 22. Задача у модели решений узкая:

Ответ модели всегда один из трёх вариантов: ALLOW (пропустить), BLOCK (заблокировать) или ESCALATE (отправить на проверку).

Плюс такого разделения в том, что модель, которая сгенерировала результат, не является единственной инстанцией, решающей, можно ли его выпускать.

Экономия на вызовах большой модели. В тесте браузерной автоматизации Drex прошла сценарий за 18 секунд, Claude за 34, обе выполнили правильные действия. Интереснее схема с откатом по уверенности: при высокой уверенности решение принимает Drex, при низкой задача уходит большой модели. По данным Nace, число вызовов Claude упало с 13 до 1, а расходы на LLM примерно в 12 раз.

Схема простая: задача приходит к Drex, при высокой уверенности система продолжает работу, при низкой вызывает большую LLM.

Многие системы до сих пор используют одну генеративную модель для всего: генерации, маршрутизации, оценки, проверки, решения об остановке, проверки безопасности и решения о том, нужен ли ещё один вызов. Это работает, но каждое мелкое решение превращается в отдельный дорогой вызов.

Модульная схема делит ответственность на три слоя. Генеративная LLM отвечает за открытые рассуждения и создание контента. Модель решений берёт на себя ограниченные смысловые решения с заранее известным набором ответов. Детерминированный код обеспечивает правила, которые вообще не должны зависеть от суждения модели. Практическое правило простое: если проверку можно надёжно написать кодом, пишите код; если нужна генерация или открытое рассуждение, нужна LLM; если это повторяющееся смысловое решение с ограниченным выбором, стоит попробовать отдельную модель решений.

Drex 2.0 доступна через OpenRouter и DeepInfra, а веса лежат на Hugging Face. Запросы отправляются на эндпоинт POST /v1/systemone: контекст передаётся как state вместе с одним или несколькими именованными вопросами, а в ответ приходят вероятности для каждого варианта. Локально модель можно запустить на Python с CUDA, через llama.cpp на Apple Silicon или CPU, а также через форк Ollama от Nace. Для пилота хорошо подходят задачи, где у вас уже есть разметка: модерация, классификация обращений, решения о маршрутизации. Так проще честно сравнить модель решений с текущим решением на своих данных, а не на чужих бенчмарках.

Полная версия на UPROGER.

Ссылки: карточка Drex v2.0 на Hugging Face, Drex v2.0 на OpenRouter.