# Drex Max v1: Model AI Pengambil Keputusan yang Bisa Jalan Lokal (2026) - URL: https://komunitech.com/blog/riset/drex-max-v1-model-ai-pengambil-keputusan-jalan-lokal-2026/ - Diterbitkan: 2026-11-02 - Diperbarui: 2026-11-02 - Penulis: Ardansyah Falah - Penerbit: KomuniTech (https://komunitech.com) --- **TL;DR:** Pada 1 November 2026, Nace AI membuka bobot model Drex Max v1, model AI 27 miliar parameter yang tidak menulis teks melainkan menjawab pertanyaan dengan probabilitas. Kamu memberi konteks plus pertanyaan berpilihan, dan model mengembalikan skor untuk setiap opsi dalam sekali jalan. Skornya 67,52 pada Decision Index 0.4 versi publik, dan versi ringkasnya bisa jalan di Mac Apple Silicon dengan memori 24 GB ke atas. Bagi bisnis, ini alat yang menarik untuk routing, triase, dan pengecekan kebijakan — asal skornya diuji dulu pada datamu sendiri. ## 💡 Key Takeaway - **AI yang memutuskan, bukan mengarang.** Drex Max tidak menghasilkan kalimat; ia mengembalikan probabilitas untuk setiap opsi yang kamu tetapkan, sehingga hasilnya mudah dibaca mesin dan mudah diaudit. - **Bobot terbuka sejak 1 November 2026.** Paket rilisnya mencakup bobot bf16, varian Q8_0 GGUF, dan checkpoint affine Q4, plus fork llama.cpp dan Ollama untuk jalan lokal. - **Skor terkuatnya ada di tugas alat dan dokumen visual.** Pada Decision Index 0.4, area Tools mencapai 81,9 dan InfographicVQA mencapai 97,3 — tetapi semua angka ini dilaporkan sendiri oleh Nace AI. - **Jalan lokal punya syarat perangkat.** Gambar hanya didukung lewat jalur Python di GPU NVIDIA; jalur Mac dan CPU untuk saat ini hanya memproses teks. Pernahkah kamu merasa chatbot AI di kantormu terlalu "banyak bicara" untuk pekerjaan yang sebenarnya sederhana? Misalnya, tiket pelanggan masuk dan yang kamu butuhkan hanyalah satu keputusan: tim mana yang menangani dan seberapa mendesak. Di sinilah model keputusan seperti Drex Max masuk: ia tidak merangkai paragraf, ia memilih dan memberi skor. ## Apa itu Drex Max v1? Drex Max v1 adalah model keputusan multimodal dari Nace AI. Kamu memberinya sebuah "state" — konteks berupa teks, JSON, atau gambar — bersama satu atau beberapa pertanyaan bernama. Model lalu mengembalikan probabilitas untuk setiap opsi dalam satu forward pass, tanpa menghasilkan teks sama sekali. Menurut laporan MarkTechPost pada 1 November 2026, inilah rilis bobot terbuka dari model keputusan paling mumpuni Nace AI, setelah sebelumnya tersedia sebagai layanan hosted. Pertanyaannya ada tiga jenis: pilihan di antara opsi bernama, pertanyaan ya/tidak, dan skor ordinal. Contoh dari kartu modelnya: tiket "saya ditagih dua kali" diberi pertanyaan tim mana yang menangani (billing, technical, atau other), apakah perlu refund, dan seberapa mendesak. Jawabannya bukan esai, melainkan angka: billing 0,9988, technical 0,0003, other 0,0009. Model ini juga relevan dengan tren yang sudah kita bahas di artikel tentang [OpenAI Decisions API untuk keputusan bisnis otomatis](https://komunitech.com/blog/ai-agent/openai-decisions-api-ai-yang-mengambil-keputusan-bisnis-2026/): industri AI kini memisahkan pekerjaan "menjawab" dari pekerjaan "memutuskan". ## Bagaimana cara kerja Drex Max? Di baliknya ada backbone padat 27 miliar parameter dengan 64 layer: 48 layer Gated DeltaNet linear-attention dan 16 layer full-attention non-causal setiap empat layer, sehingga setiap token bisa memperhatikan seluruh urutan. Gambar melewati vision tower bawaan dan terlihat oleh semua pertanyaan dalam satu permintaan. Sebuah readout head 255-arah lalu mengubah hidden state terakhir menjadi probabilitas atas maksimal 255 opsi per pertanyaan. Jendela konteksnya mencapai 262.144 token, meski batas default per permintaan adalah 16.384 token dan bisa dinaikkan lewat pengaturan konteks. Bagi tim yang membangun [AI agent untuk pekerjaan kantor](https://komunitech.com/blog/category/ai-agent/), desain ini mengurangi kebutuhan mem-parsing teks bebas: agent menerima skor terstruktur, lalu memutuskan langkah berikutnya berdasarkan ambang yang kamu tetapkan. ## Apa saja kabar pentingnya? | Kabar | Sumber | Artinya buat kamu | Bobot Drex Max v1 dibuka untuk publik, 1 Nov 2026 | MarkTechPost, 1 Nov 2026 | Tim teknis bisa mengunduh dan menjalankan modelnya sendiri, bukan hanya lewat API berbayar. | Model 27B menjawab dengan probabilitas, bukan teks | Kartu model Hugging Face nace-ai/drex-max-v1 | Cocok untuk routing, klasifikasi, dan pengecekan kebijakan yang butuh keluaran terstruktur. | Skor 67,52 pada Decision Index 0.4 publik | Kartu model Hugging Face (angka dilaporkan Nace AI) | Unggul 6,27 poin dari Drex v2.0 (61,25), tapi tetap angka vendor — uji pada datamu sendiri. | Varian Q4 jalan di Mac 24 GB; Q8_0 butuh 48 GB | Kartu model Hugging Face | Uji coba lokal dimungkinkan tanpa server GPU, selama tugasnya berbasis teks. | Jalur Mac dan CPU saat ini hanya teks | Kartu model Hugging Face | Kalau pekerjaanmu melibatkan gambar, siapkan jalur Python di GPU NVIDIA. ## Seberapa bagus skornya — dan seberapa jauh boleh dipercaya? Pada Decision Index 0.4 (teks publik), Drex Max mencetak 67,52, di atas Drex v2.0 (61,25) dan Jev 1.13.0 (57,96). Per area, Tools memimpin di 81,9, disusul Language 72,2 dan Retrieval 68,8. Pada indeks visi publik, skornya 73,92, dengan InfographicVQA 97,3 dan KIE (dokumen formulir) 92,4. Di Artificial Analysis Decision Index, Drex Max mendapat 64 dan berada di peringkat 4 dari 18. JevBench mencatat 92,2% dan Decision Bench v4 mencatat 94,30%. Namun ada dua catatan kejujuran yang wajib kamu pegang. Pertama, semua angka ini dilaporkan sendiri oleh Nace AI; MarkTechPost pun menegaskan hal itu, dan artikel laporannya sendiri ditandai sebagai konten yang disponsori Nace AI. Kedua, model keputusan diukur pada tugas pilihan yang sudah ditentukan pilihannya, bukan pada pekerjaan terbuka yang jawabannya bebas. Cara yang benar: ambil 200–500 kasus nyata dari antreanmu dan bandingkan keputusannya dengan keputusan manusia sebelum satu pun keputusan otomatis diberlakukan. ## Bisa jalan di perangkat apa? Di sinilah rilis bobot terbuka ini menarik: kamu tidak wajib menyewa server besar untuk mencoba. Pilihan jalurnya, menurut kartu model resmi: - **Python di GPU NVIDIA:** bobot bf16 sekitar 49 GB (diuji pada H100) atau 8-bit sekitar 26 GB (diuji pada L40S 48 GB). Satu-satunya jalur yang mendukung gambar saat ini. - **Mac Apple Silicon 48 GB:** file Q8_0 GGUF (27,25 GB) lewat fork llama.cpp, fork Ollama, atau Kapitsa. Pada Mac M5 Pro 48 GB, hasil Q8_0 selisihnya dalam 0,02 per probabilitas dibanding bf16 di H100. - **Mac Apple Silicon 24 GB ke atas:** checkpoint affine Q4 (14,45 GB) lewat Kapitsa atau MLX, khusus teks. Selisihnya dengan Q8_0 dalam 0,0329 tanpa ada pilihan yang berubah pada pengujian Nace. - **CPU:** lewat fork llama.cpp atau Ollama, juga khusus teks. Perlu dicatat: menjalankan model di perangkat sendiri memberi keuntungan privasi — data tiket atau dokumen tidak perlu keluar ke server pihak ketiga — tetapi juga memindahkan tanggung jawab ke timmu: pembaruan model, keamanan server lokal, dan pencatatan keputusan menjadi urusanmu. ## 4 cara bisnis memakainya tanpa mengganti chatbot Drex Max bukan pengganti chatbot pelangganmu; ia adalah "otak kecil" di belakangnya. Empat pemakaian yang paling masuk akal: - **Routing tiket dan pesan masuk.** Setiap pesan dinilai ke tim billing, teknis, atau lainnya beserta tingkat kepercayaannya. Pesan dengan kepercayaan tinggi diteruskan otomatis; yang rendah dilempar ke manusia. Ini pola yang sama dengan [arsitektur Super-agent DeepSeek yang bekerja terus-menerus](https://komunitech.com/blog/ai-agent/super-agent-deepseek-ai-agent-kerja-terus-2026/), di mana lapisan router membagi tugas ke pekerja-pekerja paralel. - **Triase dan prioritas.** Skor urgensi ordinal (rutin, segera, mendesak) membantu tim kecil memutuskan apa yang dikerjakan dulu, tanpa membaca seluruh antrean satu per satu. - **Pengecekan kebijakan (guardrail).** Sebelum AI agent mengeksekusi sesuatu — refund, penghapusan data, pengiriman ke vendor — model keputusan memeriksa apakah permintaan itu sesuai kebijakan. Bila ragu, ia menahan dan meminta persetujuan manusia. Prinsip ini sejalan dengan [panduan memahami arti kode error pada AI agent dan solusinya](https://komunitech.com/blog/tutorial/arti-kode-error-pada-ai-agent-dan-solusinya/): sistem yang andal adalah sistem yang tahu kapan harus berhenti. - **Klasifikasi dokumen dan formulir.** Skor visi yang kuat pada dokumen (KIE 92,4, InfographicVQA 97,3) membuatnya cocok untuk memilah invoice, formulir, dan tangkapan layar sebelum masuk ke sistem akuntansi atau CRM. Aturan emasnya: jangan pernah membiarkan model keputusan mengeksekusi hal yang tidak bisa dibatalkan tanpa ambang kepercayaan dan jalur eskalasi manusia. ## Yang perlu dicek sebelum dipakai di perusahaan Tiga hal perlu dicek. **Lisensi:** Drex Max memakai lisensi Nace.AI Open RAIL-M, bukan lisensi open-source biasa — baca teksnya sebelum pemakaian komersial. **Biaya tersembunyi:** bobotnya gratis diunduh, tetapi perangkat keras dan waktu integrasi tetap ada; bandingkan dengan layanan hosted yang menurut MarkTechPost dibanderol $0,03 per 1.000 keputusan saat peluncuran. **Evaluasi internal:** benchmark publik memakai 140.620 permintaan, tetapi datanya bukan datamu — uji pada kasus nyata perusahaanmu dan tetapkan ambang kepercayaan (misalnya otomatis hanya di atas 0,95) sebelum satu pun keputusan berjalan otomatis. ## Komunitech: Karyawan AI yang Terukur Di Komunitech, kami percaya kabar seperti ini hanya berguna bila tim kamu tahu cara menerjemahkannya menjadi keputusan kerja: tugas apa yang boleh diputuskan mesin, ambang kepercayaan berapa yang aman, dan kapan manusia wajib turun tangan. Karena itu kami membangun pembelajaran lewat [workshop Karyawan AI Komunitech](https://komunitech.com/blog/workshop-karyawan-ai/), dan kamu bisa mengikuti kabar AI terbaru lewat [newsletter Komunitech](https://komunitech.com/blog/newsletter/). ## Pertanyaan yang Sering Ditanya ### Apa itu Drex Max v1? Drex Max v1 adalah model keputusan 27 miliar parameter dari Nace AI yang bobotnya dibuka pada 1 November 2026. Berbeda dengan chatbot, ia tidak menghasilkan teks; ia menerima konteks plus pertanyaan dan mengembalikan probabilitas untuk setiap opsi dalam sekali jalan. ### Apa bedanya model keputusan dengan chatbot biasa? Chatbot menghasilkan kalimat bebas yang harus diparsing dulu sebelum bisa dipakai sistem lain. Model keputusan langsung mengeluarkan skor terstruktur atas opsi yang sudah kamu tetapkan, sehingga lebih mudah diuji, diaudit, dan dihubungkan ke aturan bisnis. ### Berapa skor Drex Max dan apakah bisa dipercaya mentah-mentah? Skor publiknya 67,52 pada Decision Index 0.4 dan 64 pada Artificial Analysis Decision Index (peringkat 4 dari 18). Angka-angka ini dilaporkan sendiri oleh Nace AI dan liputan peluncurannya disponsori vendor tersebut, jadi uji dulu pada data perusahaanmu sendiri. ### Apakah Drex Max bisa jalan di laptop biasa? Untuk teks, checkpoint affine Q4 bisa jalan di Mac Apple Silicon dengan memori 24 GB ke atas lewat Kapitsa atau MLX, dan Q8_0 butuh 48 GB. Untuk gambar, kamu memerlukan jalur Python di GPU NVIDIA. Jalur CPU tersedia, tetapi tetap teks saja dan lebih lambat. ### Apakah Drex Max benar-benar gratis dan open-source? Bobotnya bisa diunduh tanpa biaya, tetapi lisensinya adalah Nace.AI Open RAIL-M, bukan lisensi open-source biasa — jadi baca syarat penggunaannya sebelum pemakaian komersial. Biaya perangkat keras dan integrasi tetap ada, dan layanan hosted-nya berbayar per keputusan. ### Kapan perusahaan sebaiknya memakai model keputusan seperti ini? Saat pekerjaanmu adalah klasifikasi berulang dengan opsi yang jelas: routing tiket, triase, penilaian dokumen, dan pengecekan kebijakan sebelum eksekusi. Mulailah dari satu antrean, tetapkan ambang kepercayaan tinggi, dan biarkan manusia menangani semua kasus di bawah ambang itu. Kamu bisa memantau tren serupa lewat [kategori Riset AI di blog Komunitech](https://komunitech.com/blog/category/riset/). ## Kesimpulan Drex Max v1 menandai satu pergeseran yang layak diperhatikan: tidak semua pekerjaan AI harus dijawab dengan kalimat. Untuk keputusan berulang yang opsinya sudah jelas, model yang mengembalikan probabilitas bisa lebih cepat, lebih murah, dan lebih mudah diaudit daripada chatbot serba bisa — apalagi kini bobotnya bisa dijalankan secara lokal. Langkah pertamamu bukan mengunduh modelnya hari ini, melainkan memilih satu antrean keputusan di perusahaanmu, menguji model ini pada 200 kasus nyata, dan menetapkan ambang kepercayaan sebelum satu pun keputusan berjalan otomatis. ## Referensi - MarkTechPost, "Nace AI Open-Sources Drex Max v1: A 27B Decision Model That Runs Locally on Apple Silicon", 1 November 2026, https://www.marktechpost.com/2026/11/01/nace-ai-open-sources-drex-max-v1-local-inference/ - Nace AI, kartu model "nace-ai/drex-max-v1", Hugging Face, https://huggingface.co/nace-ai/drex-max-v1 ## Disclaimer Artikel ini bersifat edukatif dan disusun pada 2 November 2026 berdasarkan sumber yang tercantum di atas. Skor benchmark adalah angka yang dilaporkan vendor dan liputan peluncurannya disponsori Nace AI; harga, lisensi, dan ketersediaan dapat berubah sewaktu-waktu. Selalu periksa kartu model dan teks lisensi resmi sebelum memakai model ini untuk keperluan komersial.