Nace AI, 이미지 읽는 판단 모델 Drex Max 공개, 자체 점수 67.59

Nace AI가 컴퓨터와 브라우저를 조작하는 에이전트용 멀티모달 결정 모델 Drex Max를 공개했다. 텍스트와 이미지를 읽고 질문마다 선택지별 보정 확률을 돌려줄 뿐 문장은 만들지 않는다. Nace 팀은 공개 지표 Decision Index 0.3.2에서 67.59점을 기록해 TypeSafe의 Jev 1.14보다 6.9점 높다고 밝혔다.

사용처는 Nace Console의 호스팅 API뿐이다. 모델 ID는 drex-max이고, 공개 가중치나 양자화 버전은 발표되지 않았다. 입력 100만 토큰당 0.06달러이며 출력 토큰은 과금하지 않는다. 신규 계정에는 가입 크레딧 25달러가 주어지고 실패한 요청은 비용이 들지 않는다. 매개변수 수는 공개되지 않았고, 질문 하나당 최대 262,144토큰을 처리한다. 이미지 토큰도 이 한도에 들어간다.¹

질문을 보내면 확률로 답하는 방식

사용자는 현재 상태와 이름 붙인 질문을 보낸다. 질문 유형은 예·아니오를 묻는 noul, 라벨 중에서 고르는 choice, 순서가 있는 척도를 쓰는 score 세 가지다. 모델은 요청 한 번에 질문별 확률 분포를 반환하며, 사용자가 준 선택지 안에서만 답한다. 에이전트가 클릭 한 번을 정할 때마다 부르는 저렴한 호출을 겨냥한 설계다.

다른 Drex 모델과 같은 엔드포인트 POST /v1/systemone을 쓰고 요청에 "model": "drex-max"를 적어 지정한다. 고정 ID라서 drex-latest로는 이 모델에 연결되지 않는다. Drex 계열에서 정확도가 가장 높고 이미지를 읽는 유일한 모델이다.

• 이미지는 요청의 images 배열에 넣는다. 모든 질문이 같은 이미지를 보며, 본문에서는 Image 1, Image 2처럼 부른다. 업로드한 작업 공간 파일이나 인라인 base64를 쓸 수 있다.
• 형식은 PNG, JPEG, WebP 정지 이미지이고, 요청당 최대 8장에 장당 16MiB, 합계 32MiB까지 허용한다.
• 이미지는 최대 1,638,400픽셀(1,280×1,280)로 줄여 처리하며, 장당 질문마다 최대 1,602토큰이 든다.
• 한 요청에 질문은 16개까지, 요청 본문은 4MiB까지 보낼 수 있다.¹

자체 보고 성능과 약한 지표

아래 점수는 모두 Nace가 자사 Drex 페이지에 올린 자체 보고 값이다. Nace는 Drex가 지수의 공식 학습 분할로 학습하고 따로 둔 평가 분할에서 채점한다고 밝혔다.

Decision Index 0.3.2 공개 벤치마크에서 Drex Max는 67.6점으로, 같은 0.3.2 기준 Jev 1.14의 60.7점을 앞선다. Drex 2.0의 61.3점(표에는 61.25)은 이전 버전인 0.3.1 기준이라 같은 지수 안의 직접 비교는 아니다. JevBench는 92.2점으로 Jev 1.14의 86.7점보다 높다. 에이전트 지표는 OSWorld-Verified 0.780, BFCL 98.2, When2Call 85.2, RAGTruth 84.8이다. 이미지 쪽은 Decision Index Vision 공개 세트 74.5점으로 GPT-6 Luna Decisions의 63.9점보다 높고, Mind2Web 88.6점, InfographicVQA 98.8점을 기록했다.

뒤지는 지표도 있다. MMLU-Pro는 Jev 1.14가 82.1점, Drex Max가 72.5점이다. Humanity’s Last Exam은 19.4점 대 19.0점, ARC-Challenge는 97.6점 대 97.4점으로 Jev 1.14가 앞선다. Hateful Memes에서는 GPT-6 Luna Decisions가 71.2점으로 Drex Max의 70.6점을 넘는다.

속도는 화면 캡처 하나를 판단하는 데 중앙값 174ms가 걸린다고 Nace가 밝혔다. 같은 243개 질문에서 Jev 1.14는 253ms였고, Jev 1.14는 크기 제한 때문에 캡처의 15.9%를 거부한 반면 Drex Max는 모든 크기를 받는다고 한다. 벤치마크 표 전체의 중앙 지연 시간은 183ms다. 출시 글은 판단당 34ms, 262K 토큰에서 1초 미만이라는 수치도 내놓았는데, 측정 조건이 서로 달라 별개 주장으로 봐야 한다.¹

비슷한 결정 모델과의 비교

TypeSafe 문서 기준으로 Jev 1.14는 텍스트만 입력받는다. 입력 한도는 요청당 64K이고 긴 문맥 헤더를 쓰면 262K까지 늘어난다. 입력 100만 토큰당 가격은 Jev 1.14가 0.042달러로, Drex Max의 0.06달러보다 낮다. MarkTechPost는 표 아래 주석에서 업체 간 수치는 통제된 비교가 아니라고 밝혔다. 같은 주석은 d3-flash의 비전 수치를 자체 평가로, Drex Max 수치를 Nace가 직접 돌린 결과로 적었다. 다만 Hugging Face의 d3-flash 페이지는 비전 69.9점을 Jev Decision Index 비전 보드 0.3.2의 공식 값으로 적고, 내부 평가는 일부 공개 비전 벤치마크와 동영상 지표라고 밝혀 두 자료의 설명이 어긋난다.^1,3

Hugging Face에 올라온 Drex v2.0은 Qwen3.6-35B-A3B를 바탕으로 한 전문가 혼합 모델로, 토큰당 약 30억 매개변수가 활성화된다. 직접 돌릴 수 있고 llama.cpp와 Ollama도 지원한다. 기본 입력 한도는 16,384토큰이고 131,072토큰까지 올릴 수 있다. BF16 가중치는 약 70GB, Q8_0 GGUF는 약 37GB다. 라이선스는 Nace.AI Open RAIL-M이다.²

d3-flash는 Qwen3.5-9B를 바탕으로 했고 이미지와 동영상까지 읽는다. 공식 텍스트 보드에서 55.8점을 받았다고 한다. 초당 95건, p99 지연 1초 미만은 AMD Instinct MI325X 한 장에서 vLLM Semantic Router로 질문 하나짜리 텍스트 요청을 배치 처리했을 때의 값이다. 같은 자료에서 이미지 요청은 초당 약 2~7건 수준이다.³

Drex 2.0은 텍스트만 받고 d3-flash는 Apache-2.0으로 공개돼 있어, 이미지를 받는 호스팅형이라는 점이 Drex Max의 차이다.¹