Bielik to rodzina polskich modeli językowych o otwartych wagach, rozwijana przez fundację SpeakLeash wspólnie z ACK Cyfronet AGH. Każdy wariant, łącznie z największym, jedenastomiliardowym, uruchomi się na pojedynczej karcie graficznej z 24 GB pamięci, a w polskich testach ten największy wypada lepiej niż modele od dwóch do sześciu razy od niego większe.
Kluczowe fakty:
- Bielik to rodzina polskich modeli językowych o otwartych wagach, rozwijana przez fundację SpeakLeash wspólnie z ACK Cyfronet AGH. Największy wariant ma 11 miliardów parametrów i działa na pojedynczej karcie graficznej z 24 GB pamięci.
- W polskich testach największy model Bielik wypada lepiej niż modele od dwóch do sześciu razy od niego większe.
- Wywiadu dla AIPORT.pl udzielił Waldemar Boszko, CTO i współzałożyciel Bielik.AI. Rozmowa jest częścią planowanego cyklu, w którym redakcja będzie systematycznie przybliżać polskiemu czytelnikowi szczegóły dotyczące modelu, w tym konkretne wdrożenia i dane treningowe.
Na prośbę naszej redakcji wywiadu udzielił Waldemar Boszko, CTO i współzałożyciel Bielik.AI. Rozmowa ukazuje się wyłącznie na AIPORT.pl. Pytaliśmy o rzeczy, na które twórcy modeli odpowiadają zwykle niechętnie. Gdzie mały model realnie wygrywa z GPT-4o i Claude. Gdzie przegrywa. Ile jest naprawdę wdrożeń produkcyjnych i dlaczego prawie nikt o nich nie mówi.
To pierwsza rozmowa z zaplanowanego cyklu. Chcemy przybliżać polskiemu czytelnikowi Bielika systematycznie, a nie przy okazji kolejnych premier, dlatego nasza współpraca z zespołem Bielik.AI dopiero się zaczyna. W kolejnych odcinkach zejdziemy głębiej: do konkretnych wdrożeń, do danych treningowych, do pytań o to, jak polski model ma konkurować z budżetami liczonymi w miliardach dolarów.
1. [AIPORT.pl]: GPT-4o, Claude, Gemini – to modele z budżetami miliardowymi i danymi z całego internetu. Gdzie Bielik dzisiaj realnie im dorównuje lub wygrywa w kontekście 5 konkretnych zadań – takich, które polski użytkownik może jutro sprawdzić sam, bez żadnego technicznego przygotowania.
[Waldemar Boszko, CTO i Co-founder Bielik.AI]: Istotna przewaga Bielika w biznesie ujawnia się przy okazji przetwarzania danych osobowych i danych wrażliwych. Kompaktowy model można uruchomić lokalnie, na w pełni kontrolowanej infrastrukturze, bez wysyłania danych na zewnątrz. Dla wielu organizacji to kluczowy warunek, bez spełnienia którego nie ma możliwości realnego wdrożenia opartego na AI.
Warto przy okazji podkreślić jedną z ważniejszych kwestii, która prowadzi do niesprawiedliwej oceny mniejszych modeli.
W potocznym odbiorze często porównuje się kompaktowe, lokalne modele LLM z komercyjnymi czatami. Użytkownik korzystający z czata GPT widzi prosty interfejs, ale nie wie, co dzieje się pod spodem, w warstwie backendu.
Te środowiska są dla nas w dużej mierze czarnymi skrzynkami. Ich architektury i szczegółów działania, właściciele pilnie strzegą. Nie znamy też dokładnej wielkości modeli, które są użyte. Mówię „modeli”, bo w praktyce bardzo prawdopodobne jest, że nie mamy do czynienia z jednym modelem, ale z całym systemem modeli, narzędzi i mechanizmów routingu, dobieranych w zależności od typu pytania użytkownika.
Kompaktowe modele LLM, takie jak Bielik, są atrakcyjne w przypadkach, gdzie przetwarza się dokumenty na ogromną skalę. Przy dziesiątkach czy setkach tysięcy przetwarzanych tekstów miesięcznie model LLM rozliczany tokenowo może generować ogromne koszty. Lokalny LLM pozwala oszczędzić budżet. Ponosimy co prawda koszt własnej infrastruktury, ale przy modelu kompaktowym on nie musi być ogromny. W dłuższej perspektywie, przy dużej skali przetwarzania dokumentów, takie rozwiązanie staje się bardziej optymalne kosztowo niż płatność per token za każde zapytanie API.
Kolejny ważny aspekt w którym Bielik ma realną przewagę to kontrola nad modelem. Jeżeli organizacja buduje workflow na konkretnym LLM-ie, chce mieć pewność, że jego zachowanie nie zmieni się z dnia na dzień. W przypadku dostępu z wykorzystaniem API może zdarzyć się, że producent wycofa wersję z której korzystamy, zmieni politykę dostępu czy drastycznie podniesie cennik. Przy modelu otwarto-wagowym to my decydujemy czy i kiedy wprowadzić jakąkolwiek zmianę. Jeśli system działa dobrze, możemy zamrozić konkretną wersję modelu i używać jej tak długo, jak chcemy.
Suwerenność technologiczna przestała być hasłem na slajdach. Niedawne wycofanie ogólnego dostępu do modelu Fable pokazało, że nawet popularne rozwiązania mogą zniknąć decyzją producenta, czasem pod wpływem nacisków geopolitycznych. To już realne ryzyko biznesowe, nie abstrakcyjna debata.
Sensowne wykorzystanie Bielika, tak jak każdego narzędzia AI, wymaga pewnego poziomu wiedzy technicznej. Trzeba umieć sformułować zadanie, ocenić odpowiedź i rozumieć ograniczenia modelu. Nie oznacza to jednak, że trzeba mieć przygotowanie techniczne, żeby zacząć. Każdy może wejść na chat.bielik.ai i samodzielnie sprawdzić model na prostych przykładach: poprawić treść maila, streścić tekst czy uporządkować swoją notatkę.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
2. [A] Czy istnieje zadanie, w którym Bielik jest obiektywnie najlepszym dostępnym modelem na rynku – nie „dla języka polskiego”, tylko w ogóle? Jeśli tak, jakie?
[WB] To pytanie zakłada, że modele porównuje się jak zawodników w jednej konkurencji. W praktyce tak to nie działa. Lepsze pytanie brzmi: do jakiego zadania, w jakich warunkach i z jakimi ograniczeniami? Jeśli postawimy je w ten sposób, odpowiedź przestaje być jednoznaczna.
Bielik może być najlepszym wyborem tam, gdzie liczy się powtarzalna praca na tekstach w dużej skali – zwłaszcza w sektorach regulowanych czy administracji publicznej. Zaoferuje wynik wystarczająco dobry, stabilny, przewidywalny kosztowo i pozostający pod pełną kontrolą organizacji. To realna przewaga modeli kompaktowych w produkcyjnym wdrożeniu, którą coraz więcej organizacji zaczyna dostrzegać.
Warto też dodać, że Bielik radzi sobie zaskakująco dobrze poza językiem polskim. W słoweńskim benchmarku Slovene SuperGLUE zajął drugie miejsce ze średnim wynikiem 0,7756, wyprzedzając modele tworzone specjalnie pod język słoweński i ustępując jedynie Gemma 3 27B od Google. W norweskim benchmarku NorEval uzyskał wynik 51,9 punktu, plasując się w ścisłej czołówce modeli w swojej klasie i wyprzedzając większość modeli tworzonych z myślą o językach skandynawskich. To otwiera perspektywę, którą aktywnie eksplorujemy: Bielik jako model dla szerszego rynku europejskiego, nie tylko polskiego.
3. [A] Gdzie Bielik dziś wyraźnie przegrywa z zachodnimi modelami i kiedy realistycznie ta luka może się zamknąć?
[WB] Aktualnie dostępne modele Bielika to modele wyłącznie tekstowe. Multimodalność, praca z obrazami, wideo i dźwiękiem to dla nas naturalny kierunek rozwoju kolejnych modeli i już dziś zbieramy dane pod tym kątem.
Przygotowaliśmy aplikację Obywatel Bielik, która pozwala społeczności dostarczać zdjęcia oraz ich opisy. Chcemy w ten sposób tworzyć społecznościowy dataset do trenowania multimodalnego Bielika, który zna polskie realia: historię, miejsca, lokalne potrawy, język, kulturę i codzienną specyfikę.
Informacja zwrotna od użytkowników Bielika, nawet ta która wydaje się negatywna, jest dla nas bezcenna. Zachęcamy wszystkich do kontaktu i szczegółowego opisywania przypadków, w których Bielik sobie nie radzi. To warunek konieczny do ich analizy i realnej poprawy przyszłych modeli.
Co do drugiej części pytania, jestem realistą. Historia technologii pokazuje, że projekty open source potrafią skutecznie konkurować z komercyjnymi rozwiązaniami największych graczy rynkowych. Linux, PostgreSQL, Firefox to nie są projekty, które przegrały z korporacjami ale takie które zdefiniowały standardy.
Wierzę że w świecie modeli językowych otwarte modele mogą realnie konkurować z zamkniętymi odpowiednikami. Naszą ambicją jest zbudowanie modelu językowego, który stanie się pierwszym wyborem w Europie tam, gdzie liczy się język, suwerenność danych i kontrola nad systemem.
Jeżeli chcemy mieć w Polsce suwerenną AI, musimy rozwijać własne modele, datasety i know-how. Polscy badacze i inżynierowie już udowodnili, że potrafią pracować przy najbardziej zaawansowanych systemach AI na świecie. Przykładem jest np. OpenAI, w którym Polacy w pewnym momencie stanowili istotną część zespołu rozwijającego modele AI.
4. [A] Mały model, duże możliwości – Bielik 3.0 ma 4,5 mld parametrów, GPT-4o prawdopodobnie setki miliardów. Jak to możliwe, że mniejszy model może wygrywać w konkretnych zadaniach, i co to mówi o kierunku, w którym zmierza cały rynek LLM?
[WB] Przekonanie, że duża liczba parametrów to główna miara jakości modelu, zaczyna się zmieniać. Specjalizowane modele Microsoftu, Mistrala czy LLaMA od Mety pokazały, że precyzyjny dobór danych i fine-tuning pod konkretne zadania dają wyniki, których kiedyś można było oczekiwać wyłącznie od modeli wielokrotnie większych. Bielika trenujemy według podobnych zasad. Szczególny nacisk kładziemy na jakość danych wejściowych, specjalizację językową i regionalną oraz tokenizer zbudowany z myślą o polszczyźnie. To, że Bielik jest modelem otwarto-wagowym, otwiera dodatkowo możliwość fine-tuningu przez firmy na ich własnych danych, co poprawia zdolności modelu w konkretnych zastosowaniach.
Jeżeli chodzi o kierunek rozwoju rynku, widzę dwa główne, równoległe nurty. Największe modele będą się dalej rozwijać, szczególnie w kierunku multimodalności. Obok nich będzie rósł segment modeli kompaktowych i to nieprzypadkowo. Biznes zaczyna rozumieć, że dane to fundament przewagi konkurencyjnej.
Udostępniając je zewnętrznym modelom, firmy ryzykują, że posłużą do trenowania systemów, które jutro mogą konkurować z ich własnym biznesem. Alex Karp, prezes Palantir, mówił o tym wprost w niedawnym wywiadzie dla CNBC. Palantir ogłosił też partnerstwo z NVIDIA oparte na otwartych modelach, budując infrastrukturę niezależną od OpenAI, Google, Anthropic czy xAI. Dokładnie tę samą logikę realizujemy, oferując modele Bielika. Open source, uruchamiany na własnej infrastrukturze, bez wysyłania danych na zewnątrz.
Kierunek ten został potwierdzony przez zewnętrznych analityków. Gartner prognozuje, że do 2030 roku 80% oprogramowania dla przedsiębiorstw będzie multimodalne, podczas gdy dziś jest to mniej niż 10%, wskazując ochronę zdrowia, finanse i produkcję jako główne obszary tej transformacji. Według nich trzy segmenty szczególnie przykuwają uwagę: Open Language Models, Small Language Models i Domain-Specific Language Models. Wszystkie należą do obszaru technologii przewidywanych jako istotne w perspektywie najbliższych trzech lat. Bielik wpisuje się jednocześnie we wszystkie trzy kategorie. Jest modelem otwarto-wagowym, może działać lokalnie bez infrastruktury klasy data center, a dzięki fine-tuningowi można go dopasować do konkretnych zastosowań biznesowych i branżowych.
5. [A] Tokenizer dostosowany do języka polskiego – to brzmi technicznie, ale ma realne konsekwencje dla użytkownika i kosztów. Co to konkretnie zmienia w praktyce w porównaniu z modelami, które „doklejają” polski do angielskiego tokenizera?
[WB] Zanim model językowy przetworzy tekst, musi go podzielić na mniejsze fragmenty, czyli tokeny. Za ten podział odpowiada tokenizer. To brzmi technicznie, ale ma bardzo praktyczne konsekwencje. Bezpośrednio wpływa na koszt działania modelu, długość tekstu, który można zmieścić w kontekście, oraz na jakość pracy z danym językiem.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Problem pojawia się wtedy, gdy tokenizer był projektowany głównie z myślą o języku angielskim, a polski jest do niego niejako „doklejony”. Z punktu widzenia tokenizacji angielski jest zwykle prostszy: ma krótsze wyrazy i mniej rozbudowaną odmianę.
Język polski działa inaczej. Mamy fleksję, długie formy, przedrostki, końcówki, polskie znaki i wiele odmian tego samego słowa. Dla tokenizera niedostosowanego do polszczyzny słowa mogą zostać pocięte na nieoptymalne fragmenty.
Co to w praktyce oznacza? Po pierwsze, ten sam tekst po polsku może zużywać znacznie więcej tokenów niż analogiczny tekst po angielsku, a więc w modelach rozliczanych tokenowo może być droższy w przetwarzaniu. Przy tym samym limicie kontekstu modelu (ilości tekstu, którą model widzi naraz) wyrażanym właśnie w tokenach, zmieścimy mniej polskiej treści bo tokenizer tnie ją nieefektywnie. I ostatnia rzecz, model pracujący na bardziej naturalnym podziale polskich słów ma lepsze warunki do uczenia się i generowania poprawnej polszczyzny. Nie jest to oczywiście jedyny czynnik jakości odpowiedzi modelu, ale bardzo ważny element całego procesu.
6. [A] Czy możecie podać choćby anonimowy przykład wdrożenia produkcyjnego Bielika w bankowości, medycynie lub administracji – co konkretnie ten model robi, jakie dane przetwarza i jaki problem rozwiązuje?
[WB] Możemy opierać się na konkretnych przykładach firm, które zdecydowały się publicznie opowiedzieć o swoich doświadczeniach na przykład w ramach cyklu PFR „Start z polskim AI”. Zachęcam do zapoznania się z opublikowanymi tam materiałami, bo dobrze pokazują, dlaczego organizacje sięgają po Bielika, jakie podejścia stosują przy planowaniu wdrożenia i przy rozwiązywaniu jakich problemów modele kompaktowe mają praktyczny sens.
W sektorze bankowym warto wskazać dwa przykłady. Bank Pekao uruchomił agenta AI wspierającego analityków i doradców w codziennej pracy, a także rozwiązanie do automatycznego generowania notatek po rozmowach z klientami w oddziałach. Kluczowe jest tu to, że system działa w infrastrukturze banku, bez wysyłania danych na zewnątrz. Karol Tajduś, dyrektor Departamentu Transformacji AI w Banku Pekao, mówił wprost, że Bielik jest jednym z najczęściej wykorzystywanych modeli w ich rozwiązaniach customowych.
Drugim przykładem w sektorze finansowym jest Credit Agricole. Tam prace zaczęły się od hackathonu, podczas którego powstał polCA, narzędzie do automatycznej korekty tekstów zgodnie z zasadami prostego języka, oparte na Bieliku dostrojonym na własnym korpusie danych banku. Kolejnym krokiem było stworzenie wewnętrznego czata, którego silnikiem jest również Bielik. Podobnie jak poprzednio przewaga modelu kompaktowego polega nie tylko na jakości pracy z polszczyzną, ale na możliwości działania lokalnie, bez ryzyka, że wrażliwe dane opuszczą infrastrukturę organizacji.
Centrum Usług Informatycznych we Wrocławiu to pierwsze wdrożenie Bielika w administracji samorządowej. CUI obsługuje Urząd Miejski Wrocławia i około 250 jednostek oświatowych. Problem do rozwiązania był konkretny. Każdy dyrektor szkoły musi uzyskać opinię radcy prawnego przed podpisaniem umowy na przykład na wynajem sali, sprzątanie czy dowolną inną usługę. Generuje to ogromną liczbę wymian mailowych i przeciążało zespół prawny. Rozwiązanie oparte na Bieliku analizuje umowy i wspiera w tym zakresie radców prawnych. System działa on-premise, dane nie opuszczają infrastruktury miasta.
Ciekawym przykładem z równie wymagającego sektora jest Gaius-Lex, czyli asystent prawny dla kancelarii i działów prawnych. Bielik odpowiada tam za większość prac wykonywanych przez modele językowe. System wspiera research prawny, weryfikację cytowań, analizę umów pod kątem klauzul abuzywnych oraz sprawdzanie zgodności dokumentów z wewnętrznymi wytycznymi. W takich zastosowaniach dane wrażliwe muszą pozostać wewnątrz organizacji, więc model działający on-premise nie jest wyłącznie argumentem marketingowym, tylko jednym z podstawowych warunków wdrożenia.
7. [A] Co jest dzisiaj największą realną barierą wdrożeń w sektorach wrażliwych – technologia, regulacje, compliance, cena infrastruktury, a może po prostu mentalność decydentów IT, którzy nie ufają modelowi, za którym nie stoi wielka korporacja?
[WB] Wydaje się że w sektorach wrażliwych bariery są mniejsze niż się nam wydaje. Rynek zaczyna rozumieć zalety modeli kompaktowych: dane nie opuszczają infrastruktury, koszt jest przewidywalny, model nie znika z dnia na dzień decyzją dostawcy. To argumenty, które bez problemu powinny przekonać decydentów w regulowanych instytucjach.
Wbrew pozorom to właśnie modele kompaktowe ułatwiają spełnienie wymogów regulacyjnych i compliance. Model uruchomiony on-premise jest łatwiej audytowalny, dane wrażliwe nie opuszczają organizacji, a koszty są przewidywalne. Przy modelach chmurowych rozliczanych tokenowo wszystkie te elementy są źródłem niepewności.
Jak zawsze największe wyzwanie to po prostu konieczność zrobienia pierwszego kroku. Firmy potrzebują dobrego proof of concept na własnych danych, który pokaże że lokalny model AI rozwiązuje ich konkretny problem. Gdy to zobaczą, dalsze decyzje przychodzą znacznie łatwiej.
8. [A] Jak wygląda proces certyfikacji lub audytu Bielika przed wdrożeniem w instytucji regulowanej – kto odpowiada za bezpieczeństwo i skąd kupujący ma wiedzieć, że model nie „halucynuje” w miejscu, gdzie stawką jest zdrowie pacjenta lub decyzja kredytowa?
[WB] Wszystkie modele LLM mogą halucynować. Bielik nie jest wyjątkiem. Dlatego w instytucjach regulowanych nie certyfikuje się samego modelu, tylko cały system i sposób jego użycia.
Kluczowe są tzw. golden sety: zestawy rzeczywistych przypadków danej organizacji, na których model jest testowany przed wdrożeniem. Powinny obejmować typowe sprawy, przypadki brzegowe, niejednoznaczne pytania i sytuacje, w których model powinien powiedzieć „nie wiem” zamiast zgadywać. Do tego potrzebne są jasne metryki: jakie błędy są dopuszczalne, a które od razu wymagają przekazania sprawy człowiekowi.
Model AI nie powinien samodzielnie podejmować decyzji o znaczeniu krytycznym np. decyzji kredytowej albo medycznej. Powinien wspierać człowieka, który tę decyzję podejmuje. To fundamentalna zasada projektowa.
Odpowiedzialność leży po stronie organizacji i integratora. Przewaga modelu otwarto-wagowego jest tu konkretna: można zamrozić wersję, testować ją na własnym benchmarku i mieć pewność, że model nie zmieni się z dnia na dzień decyzją zewnętrznego dostawcy.
9. [A] Proste Pismo oparte na Bieliku upraszczało język urzędowy polskiej prezydencji w Radzie UE – to konkretny, widoczny case. Ile takich realnych wdrożeń istnieje dzisiaj i dlaczego nie słyszymy o nich więcej?
[WB] O kilku wdrożeniach już wspominałem. Zachęcam do przejrzenia materiałów opublikowanych na stronie PFR w ramach cyklu „Start z polskim AI”. Dlaczego nie słyszymy o tym więcej? Powody są dość prozaiczne. Firmy i instytucje często traktują wdrożenia AI jako element przewagi konkurencyjnej, a w sektorach regulowanych dochodzi jeszcze kwestia bezpieczeństwa i danych wrażliwych.
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.
10. [A] Wyobraźmy sobie polskiego CTO w banku lub szpitalu, który jutro siada do oceny Bielika jako alternatywy dla rozwiązań chmurowych. Co powinien wiedzieć, czego nie znajdzie w żadnej dokumentacji technicznej?
[WB] CTO w banku lub szpitalu zadaje inne pytania niż entuzjasta technologii. Mniejszy nacisk kładzie na pytanie „co ten model potrafi”, a większy na „co się dzieje z naszymi danymi i czy możemy na tym polegać za dwa lata”. Oto kilka rzeczy których CTO nie znajdzie w dokumentacji technicznej, a które chciałbym mu przekazać.
Dane wrażliwe zostają u Ciebie. Dla wielu organizacji kompaktowy model LLM uruchomiony on-premise nie jest miłym dodatkiem, tylko warunkiem podjęcia decyzji o rozpoczęciu wdrożenia z wykorzystaniem AI.
Przy dużej skali dokumentów zmienia się ekonomia. Koszt własnej infrastruktury jest prosty do policzenia. Koszt tokenów może być ogromny przy dziesiątkach lub setkach tysięcy dokumentów miesięcznie. Kompaktowy model LLM, taki jak Bielik, może być po prostu bardziej opłacalny.
Uzyskujesz pełną kontrolę nad modelem. W przypadku komercyjnych rozwiązań nowe API, wycofana wersja, inna polityka dostępu czy zmiana cennika to rzeczywiste zagrożenia biznesowe. Przy modelu otwarto-wagowym działający system nie zmienia się bez Twojej wiedzy i zgody.
Nie kieruj się ogólnymi benchmarkami. To, jak model wypada w publicznych rankingach mówi niewiele o tym, jak poradzi sobie z Twoimi dokumentami. Przed decyzją wdrożeniową sprawdź go na własnych danych: typowych przypadkach, trudnych przykładach i sytuacjach granicznych. To najważniejszy test, który ma praktyczne znaczenie.
Jest coś jeszcze, czego naprawdę nie znajdziesz w żadnej dokumentacji. Społeczność Bielika. Za Bielikiem stoją ludzie, z którymi można porozmawiać. Jeżeli coś nie działa, wymaga wyjaśnienia albo jeśli chcesz zrozumieć decyzje projektowe, możesz zapytać osoby, które ten model współtworzą lub go używają. W tym celu zapraszamy na naszego Discorda.
