Segun MarkTechPost (AI/ML News), Nace.AI ha liberado oficialmente Drex 1.5, un modelo de decisión abierto con 8.95 billones de parámetros (densos) y pesos en formato bf16 que ocupan aproximadamente 18 GB. Este modelo, diseñado para agentes inteligentes y procesos de backend, no genera texto. En su lugar, recibe un estado inicial —puede ser texto o estructura JSON— y preguntas definidas, para luego asignar una probabilidad a cada una de las opciones preestablecidas. Los resultados se basan en una evaluación técnica que mide la calidad de las decisiones, obteniendo un puntaje de 58.08 en la versión 0.3.1 del Índice de Decisión público, posicionándose como el mejor rendimiento registrado en modelos con menos de 10 billones de parámetros. Los pesos del modelo se han publicado en Hugging Face, y una versión en línea está disponible en OpenRouter.
La arquitectura de Drex 1.5 se fundamenta en MiMo-V2.6-Distill-Qwen-9B, una versión estilizada del modelo Qwen 3.5, con 32 capas y atención híbrida que combina capas de atención lineal con estructuras tradicionales. Para cada opción de respuesta, el modelo utiliza un encabezado separado (head.pt) que evalúa las probabilidades directamente desde el núcleo. Este diseño permite una ejecución eficiente en una sola pasada, sin necesidad de generar tokens, lo que excluye el uso de parámetros como temperatura o top_p. Los usuarios deben enviar solo un estado y preguntas estructuradas, como elecciones, respuestas binarias (sí/no) o escalas numéricas. La interfaz operativa sigue el formato POST /v1/systemone, el mismo utilizado por el modelo cerrado Jev de TypeSafe, lo que facilita la integración para desarrolladores que ya trabajan con ese sistema. Nace.AI afirma que los clientes existentes de Jev pueden migrar sin modificaciones significativas, simplemente cambiando variables de entorno.
El rendimiento de Drex 1.5 se mide en escenarios de documentación extensa, alcanzando una precisión de 93.4% en documentos con entre 32K y 128K tokens. Sin embargo, en tareas que requieren análisis de sentimiento de aspectos específicos (como en ACOS), su desempeño cae a un 7.4% en F1, frente al 29.5% registrado por Jev. Aunque el modelo logra igualar el rendimiento de un sistema cerrado en una GPU básica de 24 GB (A10G), su capacidad para comprender conocimiento general y evaluar emociones de forma fina se ve limitada. Además, una versión optimizada en formato Q8_0 GGUF, de unos 9.5 GB, permite ejecutar el modelo en dispositivos con procesadores de Apple Silicon o en CPUs sin acceso a GPUs.
Para los peruanos interesados en automatizar tareas de gestión, como el análisis de contratos o la toma de decisiones en servicios financieros, Drex 1.5 representa una opción viable para integrar lógicas de decisión en aplicaciones locales. Aunque no sustituye a modelos de lenguaje que generan contenido, permite crear flujos de trabajo más rápidos y precisos, especialmente en entornos donde se requieren elecciones estructuradas y verificables. La disponibilidad abierta de los pesos y el bajo costo de ejecución hacen que este modelo sea accesible para emprendedores y equipos de desarrollo que buscan soluciones prácticas sin depender de plataformas cerradas.