Un modelo de decisión pequeño supera a los gigantes, y su código es abierto para todos
Nace AI ha publicado en código abierto Drex 1.5, un modelo de decisión puro que no escribe texto, sino que elige la respuesta correcta entre alternativas estructuradas. Con apenas nueve mil millones de parámetros, rinde a la altura de competidores considerablemente mayores y cerrados, y establece un nuevo récord en su categoría de tamaño. Es una valiosa incorporación al movimiento abierto de la inteligencia artificial y una clara prueba de que la potencia bruta rara vez es lo que decide.
No es otro modelo de lenguaje
Cuando la mayoría piensa hoy en modelos de IA, vienen a la mente los modelos de lenguaje que generan texto, como ChatGPT, Claude o Gemini. Sin embargo, Drex 1.5 de Nace AI hace algo fundamentalmente distinto. En lugar de producir texto libre, el modelo lee un estado y un conjunto de preguntas estructuradas, y luego devuelve probabilidades para cada opción de respuesta. Es, en otras palabras, un modelo de decisión puro, diseñado para elegir, no para escribir.
La distinción merece detenerse en ella. Gran parte de la infraestructura de IA que se construye hoy se centra en agentes y flujos de trabajo automatizados, en los que un sistema debe tomar una serie de decisiones: qué paso dar a continuación, qué alternativa es más probable que sea la correcta, qué camino conduce al objetivo. Para este tipo de usos, un modelo de decisión puro puede ser potencialmente más eficiente y más predecible que un modelo de lenguaje general obligado a razonar hasta llegar a una respuesta en texto corrido.
Cifras impresionantes para su clase
Según MarkTechPost, Drex 1.5 alcanza una puntuación de 58,08 en Decision Index 0.3.1, un punto de referencia público para este tipo de tareas de decisión, con sus 8,95 mil millones de parámetros. Esto convierte al modelo en el de mejor rendimiento en su categoría de tamaño, es decir, por debajo de los diez mil millones de parámetros.
Especialmente interesante es su rendimiento con documentos largos. Con una precisión del 93,4 por ciento en textos de entre 32 000 y 128 000 tokens, Drex 1.5 logra algo con lo que luchan muchos modelos considerablemente mayores: mantener el foco y tomar decisiones bien fundamentadas cuando la ventana de contexto es grande. Es exactamente la capacidad que se necesita cuando el modelo debe leer un contrato extenso, una especificación técnica o un registro de casos complejo y, a continuación, determinar qué debe ocurrir después.
Por supuesto, existen limitaciones. Nace AI reconoce abiertamente que el modelo se queda atrás en conocimiento factual amplio y en análisis de sentimiento matizado. Son compromisos razonables para un modelo especializado, y la franqueza resulta, de hecho, refrescante en un panorama donde el marketing suele eclipsar la transparencia técnica.
La accesibilidad es clave
Lo que realmente hace interesante a Drex 1.5 desde una perspectiva de sistemas es lo bajo que es el umbral que Nace AI ha establecido para utilizar el modelo en la práctica. Puede ejecutarse en una única tarjeta gráfica con 24 GB de memoria, algo perfectamente viable para un ordenador de desarrollo bien equipado, o mediante una variante comprimida en Apple Silicon. Si no se quiere gestionar hardware propio, existe una versión en la nube disponible a través del servicio OpenRouter a un coste reducido.
Este no es un modelo que requiera un centro de datos. Es un modelo que una pequeña startup, un grupo de investigación o un desarrollador de sistemas individual puede poner en producción sin solicitar permisos, firmar un acuerdo comercial ni entregar sus datos a un tercero.
El código fuente y los pesos del modelo están disponibles en Hugging Face, lo que significa que cualquiera puede revisarlos, adaptarlos y seguir desarrollándolos, tal como ha funcionado el software de código abierto durante décadas.
El tamaño no lo es todo
La lección más amplia que deja Drex 1.5 es una que el campo de la IA necesita recordar de forma periódica: la especialización supera a la generalidad cuando el problema está bien definido. Un modelo entrenado y optimizado para un propósito concreto puede competir sin problemas con un sistema general diez veces mayor y, además, hacerlo a una fracción del coste.
Es la misma idea que impulsa el auge de los llamados modelos de lenguaje pequeños y los sistemas específicos para tareas, desde la revisión de código hasta el análisis de imágenes médicas. La tendencia apunta hacia un ecosistema en el que un puñado de modelos grandes y generales convive con un gran número de modelos especialistas, estrechos y eficientes. Drex 1.5 es una valiosa incorporación a esa categoría, y el hecho de que se publique en código abierto lo hace aún más valioso.