Nace.AI hat die Gewichte von Drex 1.5 auf Hugging Face veröffentlicht. Das Modell liest einen Zustand als Text oder JSON und beantwortet dazu festgelegte Fragen. Es gibt für jede vorgegebene Option eine Wahrscheinlichkeit aus; freie Antworten, Code oder Erklärungen erzeugt es nicht. Unterstützt werden Auswahlfragen, Ja-Nein-Fragen und ordinale Bewertungen. Die Berechnung erfolgt in einem Durchlauf pro Frage, ohne dass Ausgabetokens erzeugt werden.
Drex 1.5 umfasst 8,95 Milliarden Parameter. Der Kontext ist standardmäßig auf 16.384 Tokens eingestellt und kann bis zu 131.072 Tokens umfassen. Die bf16-Gewichte benötigen etwa 18 GB und wurden auf einer CUDA-GPU mit 24 GB getestet. Eine quantisierte Q8_0-Version im GGUF-Format ist rund 9,5 GB groß und läuft laut Nace.AI auf Apple-Silicon-Geräten sowie auf CPUs. Für lokale Nutzung über Ollama oder llama.cpp sind Forks von Nace.AI erforderlich.
Im öffentlichen Decision Index 0.3.1 erzielt Drex 58,08 Punkte. Jev 1.13.0 kommt auf 57,96; beide Werte liegen laut Index innerhalb eines Gleichstandsbereichs von 0,9 Punkten. Drex liegt bei 20 von 37 Benchmarks vor Jev. Bei langen Dokumenten gibt Nace.AI 93,4 Prozent Genauigkeit für Eingaben mit 32.000 bis 128.000 Tokens an; bei 8.000 bis 32.000 Tokens sind es 89,5 Prozent. Auf wissensintensiven Aufgaben schneidet das Modell deutlich schwächer ab: Bei GPQA Diamond erreicht es 45,4 Prozent, Jev 78,6 Prozent.
Für die Nutzung stellt Nace.AI Python-, llama.cpp- und Ollama-Varianten sowie einen gehosteten Zugang bereit. OpenRouter listet den Dienst mit 0,04 US-Dollar je eine Million Eingabetokens und ohne Kosten für Ausgabetokens; die Bereitstellung erfolgt über DeepInfra. Die API verwendet POST /v1/systemone, dasselbe Anfrageformat wie Jev. Die Gewichte stehen unter einer RAIL-M-Lizenz mit Nutzungseinschränkungen, die vor einem kommerziellen Einsatz geprüft werden sollten.