当大多数厂商把模型越做越大、越推越往云端，Nace AI 选择了一条相反的路：把 27B 的决策模型开源，并让它能在 Apple Silicon 上本地跑起来。
发生了什么
Nace AI 开源了 Drex Max v1，这是一个 27B 参数的多模态决策模型，官方给出的综合得分为 67.52，并强调其可在 Apple Silicon 设备上本地运行。所谓「决策模型」，指向的不是通用聊天，而是让模型在具体任务中做选择、下判断、给出行动方案这一类用途。多模态意味着它的输入不止文本。
需要说明的是，目前公开信息相当有限：得分 67.52 对应的评测集、评测口径、量化后的实际内存占用与推理速度，都还没有在摘要层面披露。这些恰恰是判断一个本地模型能否真正可用的关键，值得等官方技术细节补齐后再下结论。
为什么重要
27B 是一个微妙的位置。它比 7B–14B 这一档明显更有能力，又不像 70B 以上那样几乎必须依赖多卡或高显存服务器。把它压进 Apple Silicon 的统一内存架构里，意味着开发者可以用一台 Mac 完成推理，不必为每次调用付费，也不必把数据送出本机。
这和过去一年开源模型的整体走向一致：能力下放、部署下沉。真正的分水岭不在于参数规模，而在于「本地能不能跑得动、跑得值」。Nace AI 把「本地可运行」写进发布卖点，等于把竞争维度从榜单分数挪到了实际可用性上。
另一个值得注意的点是「决策」这个定位。通用模型在开放对话里表现好，不代表它在需要收敛到单一动作的场景里可靠。如果 Drex Max v1 真在决策类任务上有针对性优化，它瞄准的会是 agent、工作流编排、自动化判断这类落地场景，而不是又一个聊天入口。
影响与看点
对开发者而言，最直接的价值是隐私与成本：敏感数据不出本机，推理边际成本趋近于电费。这对做企业内网工具、合规敏感行业的团队尤其有吸引力。
对行业而言，这类发布在持续压缩「本地模型只能做轻任务」的成见。如果 27B 级别的模型能在消费级硬件上给出可接受的速度，云端 API 的默认地位会被进一步动摇——不是被取代，而是被分流。
接下来要盯三件事：一是 67.52 这个分数背后的评测基准是否公开可复现；二是量化版本在 Mac 上的实际内存占用与吞吐；三是「决策」能力有没有配套的评测或案例支撑，而不只是命名上的修辞。
我的判断是：这次发布的意义大概率不在分数本身，而在于它把「27B + 本地 + 决策」这三个词绑在了一起。能否兑现，取决于后续工程细节，而不是发布文案。
