Nace.AI ปล่อย Drex 1.5 decision model ขนาด 9B ที่ทำคะแนนสูสี Jev บน GPU ตัวเดียว แต่ไลเซนส์น้ำหนักห้ามบริษัทที่มีรายได้หรือระดมทุนเกิน $1M ใช้เชิงพาณิชย์
กระแส decision model ที่ได้ตัวใหม่แทบทุกวันตลอดสัปดาห์นี้ (ตั้งแต่ OpenAI Decisions API, Liquid d1 / Strands Decider จนถึง Microsoft-Decision-1 กับ Clef-omni) มีผู้เล่นเพิ่มอีกราย Nace.AI ปล่อยน้ำหนัก Drex v1.5 บน Hugging Face ประวัติ commit ชี้ว่าโค้ดรัน, llama.cpp และ Ollama ถูกเพิ่มเข้า repo เมื่อ 9 ต.ค. 2026 และผลคะแนนถูกใส่ในการ์ดคืน 9–10 ต.ค.
ตัวเลขดูดี โมเดล 9B ที่ Nace รายงานว่าสูสี Jev ซึ่งเป็นโมเดลปิดที่เริ่มกระแสนี้ แต่ถ้าดูแค่ข่าวจะพลาดจุดสำคัญ สื่อบางแห่งพาดหัวว่า Nace “open-sources” Drex ขณะที่ ไลเซนส์ของน้ำหนักไม่ใช่โอเพนซอร์ส บริษัทส่วนใหญ่ที่อ่านข่าวนี้น่าจะนำไปใช้เชิงพาณิชย์ไม่ได้
ตัวโมเดล: 9B, ไม่สร้างข้อความ, ใช้ API เดียวกับ Jev
- ขนาด: 8.95B พารามิเตอร์ (dense) น้ำหนัก bf16 ราว 18 GB และมี GGUF Q8_0 ราว 9.5 GB
- ฐาน: XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B (Qwen 3.5 9B ที่ distill มา) 32 ชั้น attention แบบผสม: linear attention 3 ชั้นต่อ full attention 1 ชั้น มี pointer head (
head.pt) ใช้ให้คะแนนตัวเลือกจาก hidden state - การทำงาน: รับ
state(ข้อความหรือ JSON) กับคำถามที่กำหนดชนิดไว้ (choice,noulแบบใช่/ไม่ใช่,scoreแบบเรียงลำดับ) แล้วคืนความน่าจะเป็นของทุกตัวเลือกใน forward pass เดียวต่อหนึ่งคำถาม ไม่มีการ sample โทเคน ค่าtemperature/top_pจึงไม่มีผล - Context: ค่าเริ่มต้น 16,384 โทเคน ขยายได้ถึง 131,072
- API:
POST /v1/systemoneซึ่งเป็นรูปแบบเดียวกับ Jev ของ TypeSafe โค้ดที่เขียนไว้คุยกับ Jev จึงชี้มาที่ Drex ได้ - รันที่ไหนได้:
serve.pyบน CUDA (ทดสอบบน A10G 24 GB), fork ของ llama.cpp และ Ollama สาขาdrex-v1.5ที่รันได้ทั้ง CUDA, Metal และ CPU (ทดสอบบน M5 Pro) แต่ยัง ต้องใช้ fork ของ Nace เพราะ llama.cpp/Ollama ตัวหลักยังไม่มี endpoint นี้
คะแนน: ใกล้ Jev แต่เป็นผลที่ Nace รันเอง
| Model | Decision Index 0.3.1 (public) | Knowledge & Reasoning | Retrieval | Tools |
|---|---|---|---|---|
| Drex v1.5 (9B) | 58.08 | 44.6 | 61.7 | 75.0 |
| Jev 1.13.0 | 57.96 | 53.9 | 55.4 | 75.1 |
| Bespoke Nimble 9B v3 | 57.19 | 41.0 | 55.5 | 84.2 |
| Cloudflare clef-flash | 56.15 | 53.0 | 52.2 | 81.9 |
การ์ดโมเดลระบุว่าตัวเลขของ Drex มาจากการรันชุดทดสอบทางการด้วยตัว Nace เอง และนับเฉพาะ 37 benchmark สาธารณะ ไม่รวมชุด private ส่วนต่าง 0.12 คะแนนจาก Jev จึงถือว่าเสมอกัน ไม่ใช่ชนะ จุดแข็งที่ชัดคือเอกสารยาว (ความแม่นยำ 93.4% ที่ 32k–128k โทเคน เทียบ 78% ถ้าตัดเหลือ 8k) และ retrieval ส่วนจุดอ่อนคือความรู้ทั่วไป (44.6 เทียบ 53.9 ของ Jev) บน JevBench สาธารณะ 231 ข้อ Drex ได้ 86.2% ส่วน Jev ได้ 87.0%
อีกจุดที่ควรรู้: หน้า nace.ai/drex ยังโชว์ 58.28 บน Decision Index 0.2.1 (อันดับ 1 จาก 71) ซึ่งเป็นคนละเวอร์ชันกับการ์ดบน Hugging Face ถ้าจะอ้างตัวเลข ให้ระบุเวอร์ชันของ index ด้วยทุกครั้ง
ไลเซนส์: “Open” สำหรับรายเล็กเท่านั้น
น้ำหนักใช้ Nace.AI Open RAIL-M License (Modified) ไม่ใช่ Apache-2.0 แม้ repo GitHub nace-ai/drex-decision-models จะแสดงป้าย Apache-2.0 ก็ตาม (README เขียนไว้ชัดว่า Apache ครอบคลุมแค่ โค้ด ส่วนน้ำหนักให้ดูไลเซนส์ของแต่ละโมเดล) ใน Attachment A ข้อ 2 ห้ามใช้โมเดล, โมเดลที่ดัดแปลง และ output “เพื่อวัตถุประสงค์ใด ๆ” ถ้าคุณ นายจ้าง หรือบริษัทในเครือ:
- มีรายได้รวมเกิน $1,000,000 ใน 12 เดือนที่ผ่านมา
- ระดมทุน equity หรือหนี้รวมเกิน $1,000,000
- ให้บริการที่ แข่งกับ Nace รวมถึง decision model และบริการ document intelligence
ข้อ 1 และ 2 มีข้อยกเว้นสำหรับการใช้ส่วนตัวหรือเพื่องานวิจัย แต่ข้อ 3 ไม่มี กรณีที่เกินเกณฑ์ต้องขอไลเซนส์เชิงพาณิชย์กับ Nace แยกต่างหาก นอกจากนี้ใครที่นำไปแจกต่อหรือเปิดเป็นบริการต้องใส่ข้อจำกัดเหล่านี้ในสัญญากับผู้ใช้ปลายทางด้วย ส่วนโมเดลพี่น้อง Drex DLM (ฐาน NVIDIA Efficient-DLM-8B) ใช้ CC BY-NC 4.0 ซึ่งห้ามใช้เชิงพาณิชย์ทั้งหมด
ฐานโมเดล MiMo-V2.6-Distill-Qwen-9B ใช้ MIT ข้อจำกัดทั้งหมดจึงเป็นของ Nace เอง ไม่ได้ติดมาจากต้นทาง
มุมมอง AI Curator
ตัวโมเดลน่าสนใจจริง decision model 9B ที่อ่านเอกสาร 128k แล้วตอบเป็นความน่าจะเป็น รันบน GPU 24 GB หรือ Mac ได้ และใช้ API เดียวกับ Jev เป็นสิ่งที่หลายทีมอยากได้มาแทน LLM ตัวใหญ่ในงานจัดเส้นทางเอกสาร ตรวจเคลม หรือเลือก tool ของเอเจนต์ แต่คำว่า “open weights” ในกรณีนี้หมายถึง “ดาวน์โหลดได้” ไม่ได้หมายถึง “เอาไปใช้ทำเงินได้” บริษัทที่เคยระดมทุนรอบ seed ปกติก็ผ่านเกณฑ์ $1M แล้ว และข้อห้ามคู่แข่งเขียนไว้กว้างพอที่ SaaS ซึ่งมีฟีเจอร์ document AI ก็อาจเข้าข่าย
สำหรับทีมไทย สตาร์ตอัปเล็ก ๆ หรือนักพัฒนาอิสระที่รายได้ยังไม่ถึงราว 33 ล้านบาทต่อปีและไม่เคยระดมทุนเกินเกณฑ์ ใช้ Drex ในงานเชิงพาณิชย์ได้ แต่ควรวางแผนไว้ว่า วันที่บริษัทโตเกินเกณฑ์ สิทธิ์ใช้งานจะหายไป ถ้าระบบผูกกับ Drex ไว้ลึก ข้อดีที่ช่วยลดความเสี่ยงคือ API /v1/systemone เป็นมาตรฐานร่วมกับ Jev และอีกหลายเจ้า การเปลี่ยนไปใช้ Clef ของ Cloudflare ที่เป็น Apache-2.0 จริงจึงทำได้โดยไม่ต้องรื้อโค้ดมาก ทางที่รอบคอบคือทดสอบทั้งสองตัวกับข้อมูลของตัวเองตั้งแต่แรก
ภาพรวมของตลาด decision model ตอนนี้แบ่งเป็นสามแบบชัดเจน: API ปิด (Jev, Microsoft-Decision-1, OpenAI), เปิดจริง (Clef, Liquid d1, Strands Decider) และแบบ “เปิดแต่มีเงื่อนไข” อย่าง Drex คะแนนของทั้งหมดห่างกันไม่กี่จุดบน index เดียวกัน ตัวที่ทำให้ตัดสินใจเลือกจึงน่าจะเป็นไลเซนส์มากกว่าคะแนน
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service