Polski model basal-omni-1.0-ultra, stworzony przez Remigiusza Kinasa na bazie Google Gemma 4 31B, prowadzi w zestawieniu Capability Score benchmarku JevBench dla modeli z otwartymi wagami z wynikiem 82,5 punktu na 100. Model nie generuje tekstu, tylko wybiera jedną z dopuszczalnych odpowiedzi i podaje skalibrowane prawdopodobieństwo, a jego wersję 31B można pobrać za darmo na licencji Apache 2.0, choć do uruchomienia potrzebuje około 62 GB pamięci GPU.
- Polski model basal-omni-1.0-ultra stworzony przez Remigiusza Kinasa zajął pierwsze miejsce w rankingu Capability Score benchmarku JevBench wśród modeli z otwartymi wagami, uzyskując 82,5 punktu na 100 (74,1 za Intelligence i 91,0 za Calibration) spośród 184 sklasyfikowanych systemów, z których każdy podjął 1500 decyzji.
- Model nie generuje tekstu, lecz wybiera jedną z dopuszczalnych odpowiedzi i zwraca skalibrowane prawdopodobieństwo w jednym przebiegu; powstał przez dostrojenie google/gemma-4-31B-it metodą LoRA na około 640 000 decyzji w języku polskim i angielskim.
- W rankingu łącznym (Composite), uwzględniającym także szybkość i koszt, basal-omni-1.0-ultra zajmuje trzecie miejsce wśród modeli otwartych, ponieważ wyprzedzają go H2O-Lightning-4B v1.1 oraz Torchcast Decision 4B – oba kosztujące około 0,02 dolara za 1000 decyzji, czyli ponad dwa razy mniej niż polski model (0,045 dolara).
Autor ogłosił wynik na X: https://twitter.com/KinasRemek/status/2111461103322452227
basal-omni 🇵🇱 – TOP1 🤩🤩🤩 🌍 na świecie w modelach otwartych oraz TOP2 wśród zamkniętych i otwartych
Wg niezależnego benchmarku modeli system-one gdzie testowane są wszystkjie modele na świecie – JevBench (link do bencha w pierwszym wpisie). Czyli można? Można! Polskie AI 🇵🇱… pic.twitter.com/JfrMF0MfjA
— Remek Kinas (@KinasRemek) October 17, 2026
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
JevBench sprawdza trafność decyzji i kalibrację pewności, a basal-omni-1.0-ultra ma 82,5 punktu
JevBench to benchmark modeli decyzyjnych prowadzony przez Benchmark Heaven niezależnie od TypeSafe AI, twórcy modelu Jev. Porównuje trafność, kalibrację, opóźnienie i koszt. Tablica dla modeli otwartych liczy 184 systemy, a każdy z nich musiał podjąć 1500 decyzji. Wynik Capability Score to średnia dwóch parametrów: Intelligence (czy model wybiera poprawną opcję) i Calibration (czy deklarowana pewność odpowiada rzeczywistej częstości trafień).
basal-omni-1.0-ultra uzyskał 74,1 za Intelligence i 91,0 za Calibration, co daje 82,5 punktu Capability Score. Koszt oszacowano na 0,045 dolara za 1000 decyzji, czyli 1,38 raza więcej niż referencyjny Jev, a zmierzone opóźnienie p50 na GPU wyniosło 0,102 sekundy. Tablicę zaktualizowano 18 października 2026 r. (wersja v1.7.46).
Za polskim modelem w tej samej kategorii znalazły się inne konstrukcje oparte na Gemma 4 31B:
| Miejsce (Capability, otwarte wagi) | System | Intelligence | Calibration | Capability Score |
|---|---|---|---|---|
| 1 | basal-omni-1.0-ultra (Remigiusz Kinas) | 74,1 | 91,0 | 82,5 |
| 2 | Quyet-1.0-Large (Chinh Nguyen) | 73,4 | 90,0 | 81,7 |
| 3 | Jeff-1.0-Large | 71,9 | 91,1 | 81,5 |
| referencja | Jev 1.13.0 (TypeSafe AI, API) | 63,6 | 90,6 | 77,1 |
Źródło: benchmarkheaven.com, stan na 18.10.2026.
W osobnej tablicy dla usług API, gdzie wagi nie są publiczne, prowadzi kettei-fat firmy Sqwish z wynikiem 86,3. To jedyny system, który wyprzedza polski model w zestawieniu mieszanym, o czym pisał zarówno Remigiusz Kinas, jak i Zero.pl. Sqwish wydał rodzinę modeli kettei 14 października 2026 r., czyli trzy dni przed premierą wersji ultra basal-omni.
Pierwsze miejsce dotyczy Capability Score, w rankingu łącznym model jest trzeci
JevBench publikuje dwa rankingi i warto rozróżnić, o którym mowa. Capability Score mierzy wyłącznie jakość decyzji. Oficjalny ranking łączny (Composite) dodaje do tego szybkość i koszt. W rankingu łącznym basal-omni-1.0-ultra zajmuje trzecie miejsce wśród modeli otwartych. Wyżej są dwa znacznie mniejsze i tańsze modele: H2O-Lightning-4B v1.1 firmy H2O.ai, oparty na Qwen3.5-4B, oraz Torchcast Decision 4B. Oba kosztują około 0,02 dolara za 1000 decyzji, czyli ponad dwa razy mniej niż polski model, przy wyraźnie niższej trafności.
Benchmark ustala też próg przynależności do klasy Jev: system może kosztować i odpowiadać najwyżej dwa razy wolniej i drożej niż referencyjny Jev w wersji 1.5. basal-omni-1.0-ultra mieści się w tym limicie, ale w kategorii kosztu dostał oznaczenie „amber”, bo jest droższy od Jeva.
Model nie pisze tekstu, tylko wybiera odpowiedź z listy i podaje prawdopodobieństwo
basal-omni-1.0-ultra nie jest chatbotem. Według karty modelu na Hugging Face model czyta „stan” (wiadomość, dokument, fragmenty z wyszukiwania, ślad działania agenta lub stronę WWW w formacie JSON), a następnie odpowiada na pytanie określonego typu: wybór z listy, tak/nie, ocena punktowa, a w silniku basal także wybór wielu opcji, akcji lub narzędzia. Odpowiedź to skalibrowane prawdopodobieństwo dla każdej dopuszczalnej opcji, obliczone w jednym przebiegu modelu, bez generowania tekstu.
Autor opisuje to jako podejście „System 1”, czyli szybkie, intuicyjne decyzje, w odróżnieniu od modeli rozumujących krok po kroku. Przykład z dokumentacji: klient pisze, że od wczoraj nie może zalogować się do bankowości internetowej. Model dostaje dwa pytania: do którego działu skierować zgłoszenie (karty, bankowość elektroniczna, kredyty) i czy klient nie może korzystać z usługi. Zwraca wybór i procent pewności dla każdego.
Z pewności da się korzystać praktycznie. Plik kalibracyjny zawiera progi dla docelowego błędu 1 proc. lub 5 proc. Na danych testowych model przy tych progach automatycznie rozstrzygał 56,8 proc. decyzji z obserwowanym błędem 0,47 proc. oraz 94,2 proc. decyzji z błędem 3,8 proc. Resztę ma trafiać do człowieka.
Typowe zastosowania, które wymienia autor i które opisuje Zero.pl:
- kierowanie zgłoszeń klientów do właściwego działu i ocena pilności,
- sprawdzanie dokumentów pod kątem zgodności z regułami,
- ocenianie odpowiedzi innych modeli AI (rola sędziego),
- wybór narzędzia dla agenta AI z listy definicji OpenAI lub MCP,
- klasyfikacja i decyzje typu tak/nie w jednym przebiegu.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Remigiusz Kinas dostroił Gemma 4 31B na 640 tysiącach decyzji po polsku i angielsku
Model nie powstał od zera. basal-omni-1.0-ultra to wynik dostrojenia google/gemma-4-31B-it metodą LoRA (rank 32) na warstwach językowych, z adapterem scalonym z wagami. Dane treningowe to około 640 000 decyzji w języku polskim i angielskim: reguły i terminy, prawdziwe dokumenty, długie dokumenty, decyzje wyszukiwawcze, umowy, routing, oceny porządkowe, sędziowanie odpowiedzi, decyzje agentów i narzędzi oraz odpowiedzi „nie da się ustalić”. Enkoder obrazu z Gemma 4 pozostał nietknięty.
Remigiusz Kinas podpisuje raporty techniczne jako ai5. Wcześniejsza linia basal-2.0 powstała na polskim modelu Bielik v3 rozwijanym przez SpeakLeash i ACK Cyfronet AGH. Linia basal-omni to nowa gałąź na Gemma 4 od Google. Wersja ultra (31B) wraz z portem FP8 i eksperymentalnym basal-omni-1.1-max trafiła na Hugging Face w sobotę 17 października o 9:00 czasu polskiego, razem z silnikiem basal 2.1. Mniejsze warianty mini (4B) i max (12B) były dostępne wcześniej.
Autor podaje też wyniki własnego testu Werdykt, obejmującego ukryte zestawy po polsku i angielsku w 10 kategoriach. Ultra uzyskał tam 0,879 wobec 0,823 dla basal-omni-1.0-max (12B) i 0,773 dla basal-1.5-max (11B). Najsłabsze kategorie to reguły (0,550), umowy (0,822) i długie dokumenty (0,854). Kinas napisał, że to o 5,8 punktu więcej niż Jev 1.14 i tyle samo co Liquid d1-ultra. Werdykt to benchmark autora, więc tych liczb nie należy mieszać z niezależnym JevBench.
Sam Kinas podsumował wynik JevBench bez fałszywej skromności: „Czyli można? Można! Polskie AI. basal wyprzedził model OpenAI, Microsoft oraz pierwowzór z TypeSafe (jev)”. Wpis z 17 października zebrał ponad 86 tys. wyświetleń.
Ten wynik warto czytać z dwiema lupami naraz. Pierwsza: to naprawdę duża rzecz, że jedna osoba, dostrajając otwarty model Google na własnych danych, wyprzedziła w niezależnym teście produkty firm z zespołami i budżetami. Pokazuje to coś, o czym piszę od dawna: w wąskich, dobrze zdefiniowanych zadaniach wartość siedzi w danych i w rzemiośle dostrajania, a nie w wyścigu na parametry. Druga lupa: „pierwsze miejsce na świecie” dotyczy jednej tablicy jednego benchmarku, a w rankingu łącznym, który uwzględnia koszt i szybkość, model jest trzeci za dwoma dużo tańszymi 4-miliardowymi konkurentami. JevBench to też bardzo młoda scena, w której wyniki potrafią zmieniać się z tygodnia na tydzień. Nie umniejsza to sukcesu, ale firma, która chciałaby to wdrożyć, powinna patrzeć na koszt za tysiąc decyzji i własne testy, a nie na numer w tabeli. Mam jedno otwarte pytanie: czy ten model ktoś realnie utrzyma w produkcji przy 62 GB VRAM, czy też praktyczne zastosowania pójdą w stronę wariantu 12B?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Wersja ultra potrzebuje 62 GB pamięci GPU, a autor nazywa ją wydaniem eksperymentalnym
Największą barierą wdrożenia jest sprzęt. Model działa wyłącznie w trybie eager silnika basal (PyTorch, bf16) i zajmuje około 62 GB pamięci GPU na same wagi. Na jednej karcie 80 GB obsłuży stany do około 10 000 tokenów, a na H200 ze 141 GB do około 32 000 tokenów. Wariant FP8 zajmuje 33 GB i działa przez vLLM, ale tylko z tekstem.
Pod względem szybkości ultra jest wolniejszy od mniejszych wersji. Na jednym H200 pojedyncze pytanie zajmuje 80 ms (mediana), a przy 32 równoległych klientach model podejmuje 8,6 decyzji na sekundę. basal-omni-1.0-max na H100 osiąga 19 decyzji na sekundę, a basal-1.5-max w trybie fast 33,4.
Kinas wprost wylicza ograniczenia:
- model jest eksperymentalny jako pierwszy na nowej bazie i wymaga sprawdzenia na własnych dokumentach przed wdrożeniem,
- obrazy działają w trybie zero-shot, bo trening obejmował tylko decyzje tekstowe, a wersja 31B nie ma enkodera audio,
- dokładna arytmetyka i progi liczbowe to słaby punkt decyzji w jednym przebiegu i należy liczyć je w kodzie,
- decyzje z poważnymi konsekwencjami dla ludzi powinny być sprawdzane przez człowieka.
Na własnej próbie autora obrazy dokumentów wychodzą nieźle. Renderowane dokumenty model czyta prawie tak dobrze jak ich tekst (0,894 wobec 0,931) i o 12,5 punktu lepiej niż niedostrojona Gemma 4 31B. Zdjęcia z telefonu nie zyskały na treningu tekstowym: wynik 0,800 jest w granicach szumu wobec bazy.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm?
Ten temat ma polski kontekst z natury, bo model powstał w Polsce i od początku był uczony na polskich decyzjach. Na wewnętrznym teście 7081 polskich decyzji ultra uzyskał 0,979, a na 300 prawdziwych polskich dokumentach 0,973. Dla porównania większość systemów w JevBench powstaje na danych angielskich.
Drugi argument to prywatność. Licencja Apache 2.0 i publiczne wagi na Hugging Face oraz GitHub oznaczają, że firma może uruchomić model na własnym serwerze i nie wysyłać treści zgłoszeń klientów, umów czy dokumentów do zewnętrznego API. Przy klasyfikacji korespondencji w banku, ubezpieczalni czy kancelarii to warunek, a nie dodatek. Cena wejścia to jednak karta klasy H100 albo H200 dla wersji ultra. Firmy bez takiego sprzętu mają do wyboru wariant 12B (około 24 GB pamięci GPU) albo linię basal-2.0 na Bieliku, która według autora działa też na Macu i przez Ollamę.
Nie wiadomo jeszcze, czy ktoś oferuje basal-omni jako usługę hostowaną w Polsce. Na Hugging Face model nie jest wdrożony u żadnego dostawcy inferencji, a liczba pobrań w pierwszych dniach była niewielka.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym tablicy wyników JevBench by Benchmark Heaven (stan na 18.10.2026), karty modelu basal-omni-1.0-ultra na Hugging Face oraz dokumentacji silnika basal na GitHub. Wykorzystano także wpis Remigiusza Kinasa na X z 17.10.2026, tablicę JevBench dla usług API, komunikat Sqwish o modelach kettei oraz artykuł Zero.pl z 19.10.2026.
Cytat Remigiusza Kinasa został zweryfikowany z oryginalnym polskojęzycznym wpisem autora.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o modelach basal i rankingu JevBench.
