Nace AI开源Drex Max v1：27B决策模型可在24GB Mac本地运行

一句话看懂：Nace AI 开源了决策模型 Drex Max v1 的权重，这是一个 27B 参数的模型，主打本地路由、分类和策略检查，4 位量化版本可在 24GB 以上的 Apple Silicon Mac 上运行。它的价值在于：原本要调用云端 API 的判断类任务，现在可以放到本地硬件上跑。

事件核心：发生了什么

2026 年 11 月 1 日，Nace AI 以 Nace.AI Open RAIL-M 协议开放了 Drex Max v1 的模型权重。据官方公布，这是一个稠密 27B 模型，上下文窗口最高 262,144 个 token（默认 16,384），每道题最多支持 255 个选项。它不生成文本，而是接收状态（文本、JSON 或图像）和一组命名问题，在一次前向计算中为每个选项输出概率，问题类型包括多选、是否判断和序数打分。

发布内容除 bf16 权重外，还包括 Q8_0 GGUF、affine Q4 检查点，以及 llama.cpp 和 Ollama 的分支。官方给出 5 种运行方式：NVIDIA GPU 上的 Python 版支持图像输入，bf16 约需 49GB 显存；Apple Silicon 和纯 CPU 路径目前仅支持文本。评测方面，Decision Index 0.4 得分 67.52，高于 Drex v2.0 的 61.25。以上数据均为 Nace AI 自行报告，结论仅适用于该评测版本和条件。

为什么重要

Drex Max 走的不是通用对话大模型路线，而是“决策模型”这一细分方向。对 agent 系统来说，路由、工单分拣、护栏检查这类任务调用频繁、结果结构固定，正是云端 API 成本容易累积的环节。开源权重意味着开发者可以把这些判断留在本地，减少数据出域和按次计费。从技术角度看，量化后的精度损失不大：官方称在 48GB 的 M5 Pro 上，Q8_0 GGUF 与 H100 bf16 的概率差在 0.02 以内，affine Q4 与 Q8_0 相差 0.0329，没有出现选择翻转。不过这些仍是厂商自测数据，需要社区独立验证。

更值得注意的是“本地可跑”带来的成本结构变化。Nace 托管版定价为每 1000 次决策 0.03 美元，低于其前代产品。开源版把边际成本压向零，但需要用户自备硬件和运维能力，两条路线各有取舍。

对用户/开发者/创作者的影响

对开发者来说，最直接的好处是可以基于统一的 POST /v1/systemone API 搭建本地决策服务。24GB 以上内存的 Mac 用 MLX 或 Kapitsa 加载 affine Q4（14.45GB）即可起步，48GB 机型用 Q8_0 更稳妥。需要注意，Mac 和 CPU 路径目前不处理图像，视觉能力仍依赖 NVIDIA 方案。对企业和合规敏感场景，本地推理减少了敏感数据外传，但 Open RAIL-M 的使用限制仍需逐条确认。对普通用户和创作者而言，这是基础设施层面的变化，短期内不会直接改变内容工具的使用体验。