当大多数团队还在比拼“模型能不能点对按钮”时，Nace AI 把问题换了个问法：模型能不能给出一个可信的“该不该点”的概率。
发生了什么
Nace AI 发布了名为 Drex Max 的多模态决策模型。按官方描述，它的输入是文本与屏幕截图，输出不是一段自然语言回答，而是经过校准的概率值——也就是对某个动作或判断给出可量化的置信度。Nace 报告其在 Decision Index 0.3.2 这一评测上取得 67.59 的分数，输入侧价格为每百万 token 0.06 美元。
需要说明的是，Decision Index 0.3.2 是 Nace 自家的评测体系，67.59 这个数字目前缺少第三方复现，读者宜将其视为厂商自报成绩，而非横向对比的定论。
为什么重要
电脑操作类智能体（computer-use agents）的瓶颈，正在从“感知”转向“决策”。截图理解、元素定位这些能力，过去一年被大幅拉平；真正让智能体在生产环境里翻车的，往往是那些模糊地带：这个弹窗要不要关、这一步提交是否可逆、当前页面状态是否已经偏离预期。这类判断需要的不是更长的回答，而是一个能接进控制流的置信度。
Drex Max 的定位正卡在这个缝隙上。把“决策”单独抽成一个模型，意味着上层智能体可以把动作选择交给策略层，把“这一步有多确定”交给决策层，从而设置阈值、触发人工接管或回退。这是工程上更可用的抽象，而不是让一个大模型既当规划者又当裁判。
价格也是信号。每百万输入 token 0.06 美元，配合截图输入，意味着高频调用在成本上开始变得可行——决策模型的价值恰恰在于被反复调用，而不是偶尔问一次。
影响与看点
对开发者而言，最直接的变化是智能体架构里多了一个可插拔的“置信度层”。过去这类校准往往靠提示词让模型自报把握，稳定性差；专用模型若能稳定输出校准概率，阈值策略、失败回退、人机协同的分流就有了可依赖的依据。
对行业而言，这延续了一个更宏观的趋势：通用大模型负责广度，垂直小模型负责在关键节点上给出确定性。决策模型、奖励模型、验证模型正在从训练管线里的内部组件，变成对外售卖的产品。
值得关注的三个点：一是 Decision Index 的评测设计是否公开、是否可被外部复现，否则 67.59 只是一个营销数字；二是“校准”二字能否在分布外场景成立，截图界面千变万化，校准一旦失效，阈值策略反而会放大错误；三是延迟，决策模型处在控制回路中，单次调用开销直接决定智能体能跑多快。
一句判断：把决策从生成里拆出来，是电脑操作智能体走向工程化的必要一步，但这一步能否站稳，取决于第三方评测而不是厂商自报的分数。
