Najlepsze modele open source do samodzielnego hostowania w 2026 roku to już nie jeden „lider”, ale cała półka: od modeli 12–30B, które działają na jednej karcie, po modele z ponad bilionem parametrów, wymagające serwera HGX. Poniżej porównujemy je pod kątem, który dla firmy ma znaczenie: licencji, wymaganego sprzętu i zastosowań.
Stan na listopad 2026. Ten rynek zmienia się co miesiąc, dlatego zestawienie aktualizujemy co kwartał. Celowo nie podajemy wyników benchmarków: rankingi szybko się dezaktualizują, a o przydatności modelu w Twojej firmie i tak zdecyduje test na Twoich danych. Zamiast tego pokazujemy, ile pamięci potrzebuje każdy model i na jakim sprzęcie da się go uruchomić. Wszystkie modele w tabeli mają publicznie dostępne wagi (open weights), więc możesz je postawić na własnym serwerze, a dane nie opuszczają Twojej infrastruktury.
Jak wybrać model open source do firmy
Zanim spojrzysz na tabelę, ustal pięć rzeczy. W praktyce eliminują one większość kandydatów szybciej niż jakiekolwiek porównanie jakości.
1. Licencja: czy wolno Ci używać modelu komercyjnie
„Open source” w świecie LLM oznacza najczęściej otwarte wagi, a nie zawsze otwartą licencję. Modele na licencjach Apache 2.0 lub MIT (np. Qwen3.8-27B, Gemma 4, gpt-oss, Mistral Small 4, Devstral Small 2, DeepSeek V4, GLM-5.3-Flash) możesz używać komercyjnie, modyfikować i dostrajać bez dodatkowych zgód. Modele na licencjach własnych (Llama 4 Community License, licencje Qwen dla największych wariantów, licencje Kimi, GLM-5.3, Mistral Large 4 i Medium 3.5, Devstral 2) mają dodatkowe warunki. Przykładowo licencja Llama 4 wymaga osobnej zgody Meta od firm, których usługi mają ponad 700 mln aktywnych użytkowników miesięcznie. Taką licencję przed wdrożeniem powinien przeczytać prawnik. Kimi K2.7-Code ma „zmodyfikowaną MIT”, więc też sprawdź dopisane warunki.
2. Rozmiar modelu a sprzęt
Sam rozmiar wag w 4 bitach to mniej więcej liczba parametrów × 0,5 bajta. Do tego dochodzi pamięć na kontekst (KV cache) i narzut środowiska. W modelach MoE (Mixture of Experts) w pamięci musisz trzymać wszystkie parametry, choć na każdy token liczona jest tylko część z nich („aktywne”). Mała liczba aktywnych parametrów przyspiesza generowanie, ale nie zmniejsza zapotrzebowania na VRAM. Dokładne liczenie opisujemy w artykule Ile VRAM potrzebuje model LLM.
3. Jakość po polsku
Duże modele wielojęzyczne zwykle dobrze radzą sobie z polszczyzną, a najmniejsze częściej popełniają błędy gramatyczne i stylistyczne. Jeśli pracujesz wyłącznie na polskich tekstach i zależy Ci na niskim koszcie, rozważ polskie modele: piszemy o nich w artykule Bielik i PLLuM: polskie modele językowe na własnym serwerze. Niezależnie od wyboru przygotuj 30–50 typowych zadań z Twojej firmy i porównaj na nich dwóch–trzech kandydatów.
4. Multimodalność
Jeśli model ma czytać skany, zdjęcia lub wykresy, potrzebujesz wariantu multimodalnego. W naszym zestawieniu taką obsługę według kart modeli mają m.in. Qwen3.8-27B i DeepSeek-V4.1-Flash. W pozostałych przypadkach sprawdź kartę modelu na Hugging Face, zanim założysz, że model „widzi” obrazy.
5. Kod i agenci
Do programowania powstają osobne warianty: Devstral Small 2 (24B), Devstral 2 (125B) i Kimi K2.7-Code. Do zadań agentowych, czyli wywoływania narzędzi i wieloetapowych procesów, przeznaczony jest Qwen-AgentWorld-35B-A3B.
Porównanie: najlepsze modele open source w jednej tabeli
Kolumna „wagi 4-bit + ok. 15%” to liczba parametrów × 0,5 bajta plus ok. 15% narzutu. Minimalny sprzęt dobraliśmy tak, żeby po załadowaniu wag został jeszcze zapas na kontekst dla kilku użytkowników. Liczbę aktywnych parametrów podajemy tylko tam, gdzie wynika ona wprost z nazwy lub karty modelu.
| Model | Parametry łącznie (aktywne w MoE) | Licencja | Wagi 4-bit + ok. 15% | Minimalny sprzęt (4-bit) |
|---|---|---|---|---|
| Bielik-11B-v3.0-Instruct | 11B | Apache 2.0 | ok. 6,3 GB | 1 GPU 12 GB |
| Gemma 4 12B | 12B | Apache 2.0 | ok. 6,9 GB | 1 GPU 12 GB |
| gpt-oss-20b | 21B | Apache 2.0 | ok. 12 GB | 1 GPU 24 GB |
| Devstral Small 2 (kod) | 24B | Apache 2.0 | ok. 14 GB | 1 GPU 24 GB |
| Qwen3.8-27B (multimodalny) | 27,8B | Apache 2.0 | ok. 16 GB | 1 GPU 24 GB, wygodnie 48 GB |
| Gemma 4 31B | 31B | Apache 2.0 | ok. 18 GB | 1 GPU 24 GB (ciasno), wygodnie 48 GB |
| Qwen-AgentWorld-35B-A3B (agenci) | 35B (3B aktywnych) | Apache 2.0 | ok. 20 GB | 1 GPU 48 GB |
| Llama 4 Scout | 109B (17B aktywnych) | Llama 4 Community (własna) | ok. 63 GB | 1× RTX PRO 6000 96 GB lub DGX Spark 128 GB |
| gpt-oss-120b | 117B | Apache 2.0 | ok. 67 GB | 1× RTX PRO 6000 96 GB lub DGX Spark 128 GB |
| Mistral Small 4 | 119B | Apache 2.0 | ok. 68 GB | 1× RTX PRO 6000 96 GB lub DGX Spark 128 GB |
| Devstral 2 (kod) | 125B | własna | ok. 72 GB | 1× RTX PRO 6000 96 GB lub DGX Spark 128 GB |
| Mistral Medium 3.5 | 128B | własna Mistral | ok. 74 GB | 1× RTX PRO 6000 96 GB lub DGX Spark 128 GB |
| Qwen3.8-Flash-Next | 180B | Qwen Community (własna) | ok. 104 GB | DGX Spark 128 GB lub 2× RTX PRO 6000 (192 GB) |
| GLM-5.3-Flash | 321B | MIT | ok. 185 GB | klaster 2× DGX Spark (256 GB) lub 4× RTX PRO 6000 (384 GB) |
| Llama 4 Maverick | ok. 400B | Llama 4 Community (własna) | ok. 230 GB | 4× RTX PRO 6000 (384 GB); 2× DGX Spark na granicy |
| GLM-5.3 | ok. 753B | własna GLM-5.3 | ok. 433 GB | 8× RTX PRO 6000 (768 GB); w FP8: HGX B200 |
| DeepSeek-V4.1-Flash (multimodalny) | ok. 763B | MIT | ok. 439 GB | 8× RTX PRO 6000 (768 GB) lub HGX B200 |
| Mistral Large 4 | ok. 1T (52B aktywnych) | własna Mistral | ok. 575 GB | 8× RTX PRO 6000 (768 GB); w FP8: HGX B200 |
| Kimi K2.7-Code (kod) | ok. 1,03T | zmodyfikowana MIT | ok. 592 GB | 8× RTX PRO 6000 (768 GB) lub HGX B200 |
| DeepSeek-V4-Pro | ok. 1,65T | MIT | ok. 949 GB | HGX B200 (8 × 180 GB = 1,44 TB) |
| Qwen3.8-2.4T-A95B | ok. 2,4T (95B aktywnych) | własna („qwen3.8-max”) | ok. 1,38 TB | HGX B300 (8 × 288 GB ≈ 2,3 TB) |
| Kimi K3 | ok. 2,78T | własna Kimi K3 | ok. 1,6 TB | HGX B300 (8 × 288 GB ≈ 2,3 TB) |
Jak liczyliśmy minimalny sprzęt i czego tabela nie pokazuje
Przykład: gpt-oss-120b ma 117 mld parametrów. 117 × 0,5 B = 58,5 GB wag w 4 bitach, a z narzutem ok. 15% wychodzi ok. 67 GB. Na karcie RTX PRO 6000 z 96 GB zostaje więc ok. 29 GB na kontekst. Na DGX Spark (128 GB pamięci zunifikowanej) zapas jest większy, ale ta pamięć jest wspólna dla CPU i GPU.
Trzy zastrzeżenia, które warto znać przed zakupem lub wynajmem sprzętu:
- Kontekst i liczba użytkowników. KV cache rośnie z długością kontekstu i liczbą równoczesnych zapytań. Tabela pokazuje minimum dla kilku użytkowników. Przy kilkudziesięciu osobach albo dokumentach na setki stron potrzebujesz wyraźnie więcej pamięci.
- Precyzja. Kwantyzacja do 4 bitów oszczędza pamięć kosztem pewnej utraty jakości. Dla największych modeli w produkcji często wybiera się FP8. Wtedy pamięć się podwaja: GLM-5.3 potrzebuje ok. 866 GB, a Mistral Large 4 ok. 1,15 TB, czyli serwera HGX B200. O kompromisach kwantyzacji piszemy w artykule o redukcji kosztów dzięki kwantyzacji.
- Przepustowość pamięci. Model „mieści się” to nie to samo co „działa szybko”. DGX Spark ma 273 GB/s przepustowości pamięci, a RTX PRO 6000 ok. 1,6 TB/s. Na Sparku duży model zadziała, ale wygeneruje mniej tokenów na sekundę niż na GPU z pamięcią HBM. Przy 8 kartach PCIe komunikacja między GPU jest też wolniejsza niż przez NVLink w systemach HGX. Szczegóły porównujemy w artykule Jaki GPU do LLM w 2026.
DeepSeek-V4.1-Flash i GLM-5.3 w 4 bitach zmieściłyby się wagami w klastrze 4× DGX Spark (512 GB). To jednak powyżej deklarowanych przez NVIDIA ok. 700B parametrów dla takiego klastra i bez rozsądnego zapasu na kontekst, więc tego nie polecamy.
Rekomendacje według scenariusza
Jedna karta GPU: Qwen3.8-27B, Gemma 4 31B, gpt-oss-20b, Devstral Small 2
To najlepszy punkt startu dla większości firm. Wszystkie cztery modele mają licencję Apache 2.0 i w 4 bitach mieszczą się na karcie 24 GB. Przy 48 GB zostaje wygodny zapas na kontekst albo możliwość uruchomienia ich w 8 bitach. Qwen3.8-27B wybierz, jeśli potrzebujesz obrazów (multimodalność), Gemma 4 31B jako mocny model ogólny, gpt-oss-20b jako najlżejszy, a Devstral Small 2 do kodu. Takie modele uruchomisz na naszych gotowych pakietach GPU z kartami A10, A30 lub A40, mimo że nazwa pakietu wskazuje na DeepSeek.
Średnia półka: gpt-oss-120b, Mistral Small 4, Llama 4 Scout
Modele 100–120B dają zauważalnie więcej możliwości w trudniejszych zadaniach, a nadal mieszczą się na jednej karcie RTX PRO 6000 96 GB albo na jednym DGX Spark. gpt-oss-120b i Mistral Small 4 mają licencję Apache 2.0. Llama 4 Scout ma licencję własną Meta, więc przed wdrożeniem przekaż ją do działu prawnego. Do prototypów i małych zespołów dobrze sprawdza się DGX Spark jako usługa, a do obsługi wielu użytkowników serwer z kartami RTX PRO 6000.
Duże modele: GLM-5.3-Flash, DeepSeek-V4.1-Flash
Oba modele mają licencję MIT, co przy tej skali jest rzadkie i bardzo wygodne. GLM-5.3-Flash (321B) uruchomisz na klastrze dwóch DGX Spark albo na serwerze z 4 kartami RTX PRO 6000. DeepSeek-V4.1-Flash (ok. 763B, multimodalny) wymaga już serwera z 8 kartami albo HGX B200. To rozsądny wybór, gdy modele średniej półki nie dają wystarczającej jakości, a nie chcesz płacić za największe modele.
Skala frontier, czyli serwer HGX: DeepSeek-V4-Pro, Kimi K3, Qwen3.8-2.4T, Mistral Large 4, GLM-5.3
To modele dla organizacji, które chcą jakości zbliżonej do najlepszych usług chmurowych, ale bez wysyłania danych na zewnątrz. DeepSeek-V4-Pro w 4 bitach potrzebuje ok. 949 GB, czyli serwera HGX B200 z 1,44 TB pamięci HBM3e. Qwen3.8-2.4T (ok. 1,38 TB) i Kimi K3 (ok. 1,6 TB) w praktyce wymagają HGX B300 z ok. 2,3 TB, bo na B200 nie zostaje zapas na kontekst. Mistral Large 4 i GLM-5.3 zmieszczą się w 4 bitach na 8 kartach RTX PRO 6000, ale do produkcji w FP8 potrzebny jest HGX B200. Z wymienionych modeli tylko DeepSeek-V4-Pro ma licencję MIT. Pozostałe mają licencje własne. Takie serwery oferujemy w serwerach GPU w naszej serwerowni, jako usługę albo w kolokacji.
Od wyboru modelu do uruchomienia
Gdy masz już dwóch–trzech kandydatów, przetestuj ich na tym samym zestawie zadań i na sprzęcie zbliżonym do docelowego. Testy możesz zacząć w Ollamie, ale do obsługi wielu użytkowników w produkcji użyj vLLM, SGLang albo NVIDIA NIM. Różnice między nimi opisujemy w artykule Ollama, vLLM, SGLang czy NVIDIA NIM. Zaplanuj też aktualizacje. Najlepsze modele open source wymieniają się co kilka miesięcy, więc aplikacja powinna korzystać z API zgodnego z OpenAI. Wtedy wymiana modelu oznacza zmianę konfiguracji, a nie przepisywanie kodu.
FAQ: najczęściej zadawane pytania
Jaki jest najlepszy model open source do użytku komercyjnego?
Nie ma jednego zwycięzcy. Bezpieczne licencyjnie (Apache 2.0 lub MIT) i praktyczne sprzętowo są w listopadzie 2026: Qwen3.8-27B i Gemma 4 31B na jedną kartę, gpt-oss-120b i Mistral Small 4 na średnią półkę oraz GLM-5.3-Flash i DeepSeek-V4.1-Flash na większe wdrożenia.
Czy Llama 4 jest darmowa do użytku w firmie?
Wagi są dostępne bezpłatnie, ale na licencji Llama 4 Community License, która ma własne warunki. Jednym z nich jest wymóg osobnej zgody Meta dla firm, których usługi mają ponad 700 mln aktywnych użytkowników miesięcznie. Przed wdrożeniem warto dać licencję do przeczytania prawnikowi.
Jaki model LLM uruchomię na jednej karcie graficznej?
Na karcie 24 GB, w 4 bitach: Qwen3.8-27B, Gemma 4 31B, gpt-oss-20b, Devstral Small 2 albo polskiego Bielika. Na jednej karcie 96 GB (RTX PRO 6000): modele ok. 110–130B, np. gpt-oss-120b, Mistral Small 4 i Llama 4 Scout.
Ile pamięci potrzebuje DeepSeek V4 do uruchomienia lokalnie?
DeepSeek-V4-Pro (ok. 1,65T parametrów) w 4 bitach potrzebuje ok. 949 GB, czyli serwera HGX B200. DeepSeek-V4.1-Flash (ok. 763B) potrzebuje ok. 439 GB, czyli 8 kart RTX PRO 6000 albo HGX B200. Do tego dochodzi pamięć na kontekst.
Który model open source najlepiej pisze po polsku?
Duże modele wielojęzyczne zwykle radzą sobie z polskim dobrze. Do zadań wyłącznie po polsku warto przetestować Bielika i PLLuM, które są małe i tanie w utrzymaniu. Ostatecznie rozstrzyga test na Twoich tekstach, a nie ogólne rankingi.
Jak często zmienia się ranking modeli open source?
Nowe wersje ważnych modeli pojawiają się co miesiąc. To zestawienie odzwierciedla stan na listopad 2026 i aktualizujemy je co kwartał.
Masz już kandydata i chcesz go uruchomić? Dobierzemy sprzęt i postawimy model na serwerze GPU w naszej serwerowni Tier III w Polsce, jako partner Supermicro i NVIDIA, z administracją 24/7 albo z dostępem root. Napisz do nas przez formularz kontaktowy. Konfiguracje Blackwell i DGX Spark wyceniamy indywidualnie.