Architektura i działanie modelu Drex 2.0
Drex 2.0 opiera się na zaawansowanej architekturze mixture of experts, która wykorzystuje łączną liczbę około 35 miliardów parametrów, ale w praktyce aktywuje jedynie około 3 miliardy z nich na każdy przetwarzany token. Taki mechanizm działa podobnie do zespołu wyspecjalizowanych ekspertów, gdzie przy każdej konkretnej decyzji angażowani są tylko ci specjaliści, którzy posiadają niezbędną wiedzę, podczas gdy pozostali pozostają nieaktywni. Model został zbudowany na bazie Qwen 3.6-35 B-A 3 B, do którego firma Naice.ai dodała specjalną warstwę oceny decyzji, co pozwala na zwracanie prawdopodobieństw dla zdefiniowanych opcji zamiast otwartego tekstu. Dzięki temu podejściu aplikacja może natychmiast podjąć działanie na podstawie najwyższej punktacji, eliminując etapy interpretacji długich odpowiedzi generowanych przez tradycyjne modele językowe. Proces ten jest niezwykle efektywny, ponieważ kontekst wejściowy jest przetwarzany w sposób strukturyzowany, a wynikiem są konkretne instrukcje dla systemu automatyzacji.
Praktyczne zastosowanie w obsłudze leadów
W scenariuszu biznesowym, takim jak obsługa przychodzących zapytań przez agenta AI, model Drex 2.0 potrafi błyskawicznie ocenić sytuację i wybrać jedną z trzech predefiniowanych ścieżek działania: umówienie rozmowy, wysłanie dodatkowych informacji lub zadanie pytania uzupełniającego. Zwykłe modele sztucznej inteligencji często generują w takich przypadkach rozległe akapity wyjaśniające swoje rozumowanie, co spowalnia proces i wymaga dodatkowego przetwarzania przez system backendowy. Drex 2.0 pomija ten etap, dostarczając czystą decyzję, która jest bezpośrednio zrozumiała dla algorytmów routingu i automatyzacji przepływu pracy. Taka precyzja jest kluczowa w środowiskach, gdzie agenci AI podejmują setki decyzji dziennie, a każda sekunda opóźnienia może skutkować utratą potencjalnego klienta. System ten integruje się z platformami takimi jak AI Profit Boardroom, umożliwiając budowę skalowalnych rozwiązań bez konieczności ręcznej interwencji w każdym etapie procesu decyzyjnego.
Wydajność i porównania z poprzednimi wersjami
Firma Nays twierdzi, że Drex 2.0 jest do 38% szybszy od wersji 1.5 przy przetwarzaniu danych wejściowych o długości od 32 000 do 128 000 tokenów, co stanowi znaczącą poprawę w kontekście dużych zbiorów danych. W testach porównawczych model ten uzyskał wynik 61,25 punktu w publicznym indeksie decyzyjnym 0.3.1, przewyższając poprzednią wersję, która osiągnęła 58,08 punktu, co oznacza poprawkę o 3,17 punktu w 37 benchmarkach. W zadaniach klasyfikacji e-maili Drex 2.0 osiąga AUC na poziomie 0,984, wyprzedzając zarówno wersję 1.5 (0,972), jak i konkurencyjny model Jev 1.13.0 (0,981). W benchmarku Decide Bench model ten odnotowuje dokładność na poziomie 96,3% w trybie zero-shot oraz 96,5% przy użyciu kilku przykładów, choć warto zauważyć, że model Jev uzyskuje nieco wyższy wynik wynoszący 98,0%. Te dane wskazują, że Drex 2.0 jest liderem w szybkości i precyzji w wielu kluczowych obszarach, nawet jeśli nie dominuje we wszystkich możliwych metrykach oceny jakości.
Implementacja w strategii biznesowej
Dla przedsiębiorców chcących wdrożyć takie rozwiązania, dostępny jest 30-dniowy plan Drex w ramach AI Profit Boardroom, który prowadzi krok po kroku przez proces konfiguracji i integracji. Pierwszy dzień poświęcony jest na ustawienie dostępu do API Nays oraz zdefiniowanie pierwszego schematu decyzji, co stanowi fundament dla dalszej automatyzacji procesu biznesowego. W drugim dniu następuje połączenie modelu ze systemem pozyskiwania leadów, umożliwiając przepływ danych w czasie rzeczywistym między źródłami a mechanizmem decyzyjnym. Trzeci dzień obejmuje przeprowadzenie pierwszego testu routingu na żywo z napływającymi danymi, co pozwala zweryfikować poprawność działania systemu w rzeczywistych warunkach operacyjnych. Pod koniec pierwszego tygodnia użytkownik posiada w pełni działającą warstwę decyzyjną, która automatycznie kieruje procesy biznesowe, a wsparcie coachingowe pomaga optymalizować wyniki i skalować rozwiązanie zgodnie z potrzebami firmy.