Bielik 11B v3.1 uzyskał w europejskim benchmarku EuroEval średnią pozycję 1,97 i zajął 12. miejsce w tabeli modeli generatywnych. Twórcy z Fundacji SpeakLeash twierdzą, że żaden model o mniejszej liczbie parametrów nie ma w tym zestawieniu lepszego wyniku.
- Bielik 11B v3.1 uzyskał średnią pozycję 1,97 i zajął 12. miejsce w tabeli modeli generatywnych benchmarku EuroEval, plasując się na szczycie krzywej Pareto – według Fundacji SpeakLeash żaden model o mniejszej liczbie parametrów nie osiąga w tym zestawieniu lepszego wyniku.
- Względem poprzedniej wersji Bielik 11B v3.1 zwiększył liczbę obsługiwanych języków z 32 do 56, przeszedł trening na 500 mld tokenów, a wyniki w testach INCLUDE i Belebele wzrosły odpowiednio o 5 pp i 8 pp, natomiast w τ²-bench o 16–45 pp.
- SpeakLeash zapowiedziała na konferencji Bielik Summit 26 listopada prezentację modelu o ponad 100 mld parametrów, który ma być multimodalny i zbudowany od podstaw na autorskiej architekturze – Sebastian Kondracki twierdzi, że żaden projekt open science nie przekroczył dotąd tej granicy parametrów.
Średnia pozycja 1,97 i 12. miejsce wśród modeli generatywnych
EuroEval porównuje modele językowe w zadaniach formułowanych w językach europejskich. Główną miarą jest „rank”, czyli uśredniona pozycja modelu z wielu zadań. Niższa wartość oznacza lepszy wynik. Liczby 1,97 i 12. miejsce podaję za CyberDefence24, który opisał tabelę EuroEval dla języków europejskich.
O wyniku poinformował we wtorek 17 listopada 2026 r. na LinkedIn Sebastian Kondracki, założyciel i prezes Fundacji SpeakLeash. Bielik znalazł się na szczycie krzywej Pareto, czyli wykresu zestawiającego jakość modelu z jego rozmiarem. Pozycja na tej krzywej mówi, ile jakości daje model przy danym rozmiarze, i nie rozstrzyga, który model jest najlepszy w ogóle.
„Żeby go wyprzedzić, trzeba sięgnąć po modele prawie trzykrotnie większe” – napisał Kondracki. Szef SpeakLeash argumentuje, że model z 11 mld parametrów mieści się na jednej karcie graficznej (GPU), więc firma może go uruchomić lokalnie, na własnym sprzęcie.
Do tej deklaracji trzeba dodać zastrzeżenie. CyberDefence24 podaje, że lepszą średnią pozycję ma Gemma 4 od Google w wersji z 12 mld parametrów, przy odsetku halucynacji 2,68 proc. wobec 1,46 proc. u Bielika. Karta modelu Google podaje dla Gemma 4 12B dokładnie 11,95 mld parametrów. To model minimalnie większy od Bielika. Zdanie o „prawie trzykrotnie większych” konkurentach nie zgadza się więc z tym odczytem tabeli.
Poprzednie wersje Bielika zajmowały w EuroEval niższe pozycje
Wcześniejsze odsłony modelu wypadały w EuroEval słabiej, choć zestawień z różnych okresów nie da się porównać wprost, bo lista ocenianych modeli i języków się zmienia. W raporcie technicznym z maja 2025 r. Bielik 11B v2.3 miał średnią pozycję 2,22. Na początku stycznia 2026 r. Kondracki pisał, że instrukcyjna wersja Bielika v3 jest na 32. miejscu w zadaniach wielojęzycznych.
Wpis Sebastiana Kondrackiego ze stycznia 2026 r.: https://twitter.com/SebKondracki/status/2007223914045337941
Bielik v3 w benchmarkach EuroEval
🧱 Model bazowy – 4. miejsce w zadaniach wielojęzycznych.
💬 Model instrukcyjny – 32. miejsce w zadaniach wielojęzycznych. Top 10 to giganci i modele wielokrotnie większe niż nasze 11B. A mimo to wyprzedzamy Nemotron 30B, OLMo 32B i Llama 3.1… pic.twitter.com/r8JoAEi0Cg
— Sebastian (@SebKondracki) January 2, 2026
Co zmieniło się w Bieliku 11B v3.1
Bielik 11B v3.1 miał premierę 10 listopada 2026 r. i jest dostępny na licencji Apache 2.0. Najważniejsze zmiany względem wersji 3.0:
- liczba obsługiwanych języków wzrosła z 32 do 56, w tym wszystkie urzędowe języki Unii Europejskiej,
- trening objął 500 mld tokenów w fazie wstępnej, 26 mln przykładów w dostrajaniu oraz uczenie ze wzmocnieniem w 14 środowiskach,
- wynik w teście INCLUDE (wiedza i rozumowanie w 44 językach) jest wyższy o 5 pp, w Belebele (rozumienie tekstu) o 8 pp,
- w τ²-bench, który sprawdza wykonywanie wieloetapowych zadań, wyniki są wyższe o 16 do 45 pp.
Za trening odpowiadali Krzysztof Ociepa, Łukasz Flis, Adrian Gwoździej, Krzysztof Wróbel, Karol Jezierski i Igor Ciuciura. Obliczenia prowadzono na superkomputerach Athena i Helios w ACK Cyfronet AGH oraz w ramach Gaia AI Factory.
Cieszy mnie ten wynik, bo pokazuje postęp z wersji na wersję. Czytam go jednak ostrożnie. Szczyt krzywej Pareto oznacza najlepszą jakość w swojej klasie wielkości. W całej tabeli modeli generatywnych Bielik jest dwunasty. Dla firmy, która chce trzymać dane u siebie, liczy się właśnie relacja jakości do kosztu sprzętu i tu Bielik ma mocny argument. Pytanie, które zostaje otwarte: jak model poradzi sobie poza benchmarkiem, w prawdziwych wdrożeniach agentowych, gdzie błąd kosztuje pieniądze. Deklarację o „prawie trzykrotnie większych” konkurentach warto sprawdzić samodzielnie w tabeli EuroEval, zanim trafi do prezentacji dla zarządu.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Model o ponad 100 mld parametrów na Bielik Summit 26 listopada
Następnym krokiem SpeakLeash ma być model o ponad 100 mld parametrów. Ma być multimodalny i zbudowany od podstaw na autorskiej architekturze, prace trwają od około pół roku. Szczegóły twórcy chcą pokazać podczas Bielik Summit 26 listopada. Konferencja odbędzie się w Muzeum Wojska Polskiego w Warszawie.
Kondracki twierdzi, że żaden projekt open science nie przekroczył dotąd granicy 100 mld parametrów. W rozmowie z XYZ dodał: „Europa nie powinna opierać się na jednym graczu”.
Lokalne uruchomienie odpowiada na wymogi tajemnicy bankowej, medycznej i państwowej
Mały rozmiar Bielika ma praktyczne znaczenie dla polskich instytucji objętych tajemnicą zawodową. W tegorocznej rozmowie z agencją Newseria Kondracki wskazywał, że tam, gdzie obowiązuje tajemnica państwowa, bankowa lub medyczna, modele muszą działać na własnej infrastrukturze.
Skalę zainteresowania pokazują dane podawane przez twórców. Kondracki mówi o ponad milionie pobrań w rekordowym sierpniu i drugim miejscu wśród najczęściej pobieranych europejskich rodzin modeli na Hugging Face. Bielik działa w aplikacji InPost, która ma ponad 15 mln użytkowników. Bezpłatną certyfikację z Bielika ukończyło około 10 tys. osób.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym wpisu Sebastiana Kondrackiego na LinkedIn z dnia 17.11.2026, tabeli EuroEval, karty modelu Bielik-11B-v3.1-Instruct na Hugging Face oraz publikacji CyberDefence24, ITwiz i XYZ.
Cytaty Sebastiana Kondrackiego, założyciela i prezesa Fundacji SpeakLeash, pochodzą z jego wpisu na LinkedIn oraz rozmowy z XYZ.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wynikach Bielika w EuroEval i modelu o ponad 100 mld parametrów.
