Представлено семейство Drex: четыре открытые модели для выбора из вариантов без генерации текста

В статье представлено Drex, семейство из четырёх открытых «моделей решений». Авторы исходят из того, что большие языковые модели с длинными рассуждениями (chain-of-thought) стали стандартом для новых ИИ-приложений благодаря точности, но в промышленной эксплуатации дают непостоянные ответы, требуют разбора выдачи и добавляют стоимость и задержку. Модели решений устроены иначе: получая вопрос и набор вариантов от пользователя, они возвращают распределение вероятностей по этим вариантам, не генерируя текст пошагово (без авторегрессионного декодирования).
В семейство входят четыре модели: DLM (8B параметров), v1.5 (9B), v2.0 (35B, из них 3B активных) и Max (27B). Запрос состоит из состояния, документа, записи или контекста агента, возможно с изображениями, и вопросов к нему. Каждый вопрос требует выбрать вариант, дать ответ «да/нет» или поставить оценку по упорядоченной шкале. Обучение сочетает supervised fine-tuning (дообучение на размеченных примерах) с обучением с подкреплением на основе «скорректированной обратной связи» (RLAF); для Max добавлена настройка на изображениях. Абляции, по словам авторов, показывают, что RLAF повышает точность, а функции потерь на согласованность делают модель устойчивее к порядку вариантов.
Результаты, заявленные в статье. На Decision Index 0.4.1 модель Max устанавливает новый рекорд среди сравниваемых авторами моделей решений: 67,52 на публичном наборе против 60,70 у Jev 1.14.0. На Decision Bench v4 Max статистически не отличается от d3-turbo и GPT-6 Sol и уступает Claude Opus 5.5 на 1,6 пункта. На DecideBench у неё самая высокая точность среди моделей решений. Скорость: Max отвечает на типичный запрос за 183 мс, тогда как GPT-6 Sol, примерно за 2,0 с, а Claude Opus 5.5, за 3,5 с. Выдача Max, как утверждают авторы, устойчива к перестановке вариантов. Все четыре модели открыты; код и модели размещены в репозитории drex-decision-models на GitHub (организация nace-ai).
Ключевые факты
- Drex, семейство из четырёх открытых моделей решений: DLM (8B), v1.5 (9B), v2.0 (35B, 3B активных) и Max (27B).
- Вход, вопрос и варианты пользователя, выход, распределение вероятностей по вариантам без авторегрессионного декодирования; возможны выбор, «да/нет» и оценка по шкале.
- На Decision Index 0.4.1 Max набирает 67,52 против 60,70 у Jev 1.14.0, рекорд среди сравниваемых авторами моделей решений.
- На Decision Bench v4 Max статистически сравнима с d3-turbo и GPT-6 Sol и на 1,6 пункта уступает Claude Opus 5.5.
- Max отвечает на типичный запрос за 183 мс; GPT-6 Sol, примерно за 2,0 с, Claude Opus 5.5, за 3,5 с.
Почему это важно
Идея в том, чтобы вместо генерации длинного текста с последующим разбором получать сразу готовое распределение вероятностей по заданным вариантам. По заявлению авторов, это снимает три проблемы промышленного применения языковых моделей: непостоянство ответов, необходимость разбирать выдачу и лишние стоимость и задержку. Если заявленная скорость (183 мс против около 2,0 с и 3,5 с) подтвердится на практике, такой подход выгоден для задач классификации и маршрутизации.
Кому это важно
Разработчикам, которые встраивают нейросети в производственные процессы с заранее известным набором вариантов: разбор документов и записей, оценка контекста агента, ответы «да/нет», оценки по шкале. Также тем, кого интересуют компактные открытые модели, способные заменить дорогие вызовы больших закрытых моделей в узких задачах выбора.
Как это применить
Все четыре модели заявлены как открытые, ссылка на репозиторий drex-decision-models дана в статье (github.com/nace-ai). Запрос формируется как состояние (документ, запись или контекст агента, возможно с изображениями) плюс вопросы с вариантами; на выходе, вероятности. Для задач с изображениями предназначена модель Max. Лицензия в тексте источника не названа, поэтому условия использования стоит проверить в репозитории.
Можно ли доверять
Все цифры, самоотчёт авторов статьи, независимой проверки в источнике нет. Рекорд Max заявлен только среди сравниваемых авторами моделей решений, а не среди всех моделей: с GPT-6 Sol и d3-turbo на Decision Bench v4 она статистически равна, Claude Opus 5.5 она уступает. Единицы измерения Decision Index не указаны. Что считается «типичным запросом» и на каком оборудовании измерялась скорость, в источнике не сказано. Авторы и их организации в тексте не названы.
Риски и подводные камни
Подход подходит только там, где варианты заданы заранее: свободный развёрнутый ответ такая модель не даёт. Преимущество в скорости сравнивается с моделями, которые рассуждают пошагово, а условия замера не раскрыты. Смысл «скорректированной обратной связи» в RLAF в источнике не объясняется, как и данные и вычислительные затраты обучения. Результаты на бенчмарках могут не перенестись на ваши данные, поэтому перед внедрением нужна собственная проверка.