Bielik i PLLuM to polskie modele językowe z otwartymi wagami, trenowane z myślą o polszczyźnie i polskim kontekście kulturowym. Są małe, więc działają na jednej karcie GPU, a często nawet na VPS z GPU. W tym artykule wyjaśniamy, kto je rozwija, które wersje są aktualne, na jakich licencjach są udostępnione i kiedy warto je wybrać zamiast dużego modelu globalnego.
Stan na listopad 2026. Nie podajemy wyników testów porównawczych, bo zmieniają się z każdą wersją, a o przydatności modelu i tak decyduje test na Twoich dokumentach. Skupiamy się na tym, co da się sprawdzić: licencjach, rozmiarach, wymaganiach sprzętowych i typowych zastosowaniach.
Kto rozwija polskie modele językowe Bielik i PLLuM
Bielik to projekt społeczności SpeakLeash, prowadzony pod marką Bielik.AI. Modele i ich warianty (instrukcyjne, skwantyzowane, a także klasyfikatory bezpieczeństwa Bielik Guard) są publikowane na profilu SpeakLeash w serwisie Hugging Face. Najbliższe wydarzenie projektu to Bielik Summit, zapowiedziany na 26 listopada 2026 roku. Warto śledzić, czy pojawią się tam nowe wersje.
PLLuM (Polish Large Language Model) to rodzina modeli rozwijana na zlecenie Ministerstwa Cyfryzacji. W 2024 roku nad PLLuM pracowało konsorcjum instytucji naukowych, a od 2025 roku prace prowadzi HIVE AI, czyli sojusz instytucji badawczych skupiony na otwartych technologiach językowych dla polskiej administracji publicznej. Modele są publikowane na koncie ministerstwa (CYFRAGOVPL) w Hugging Face.
Aktualne wersje, licencje i wymagania sprzętowe
Aktualna generacja Bielika to v3.0, wydawana od listopada 2025 do lutego 2026 roku. Obejmuje model 11B w dwóch wariantach instrukcyjnych. Bielik-PL-11B-v3.0-Instruct różni się od Bielik-11B-v3.0-Instruct tokenizerem: zastąpiono go tokenizerem APT4, zoptymalizowanym pod język polski. Do tego dochodzi mniejszy Bielik-Minitron-7B-v3.0 (ok. 7,5 mld parametrów), czyli model wydestylowany i przycięty z wersji 11B. Aktualne wydanie PLLuM ma oznaczenie „2512” i zostało opublikowane na przełomie stycznia i lutego 2026 roku. Obejmuje PLLuM-4B, PLLuM-12B (wersje base, instruct i chat, model 12B bazuje na Mistral-Nemo) oraz warianty zbudowane na Llamie: Llama-PLLuM-8B i Llama-PLLuM-70B.
Pamięć w tabeli liczymy jako parametry × 1 bajt (8 bitów) plus ok. 15% narzutu. Do tego trzeba doliczyć pamięć na kontekst (KV cache), która rośnie z liczbą równoczesnych użytkowników. Metodę liczenia opisujemy w artykule Ile VRAM potrzebuje model LLM.
| Model | Parametry | Licencja | Pamięć w 8 bitach (+ ok. 15%) | Przykładowy sprzęt |
|---|---|---|---|---|
| Bielik-11B-v3.0-Instruct / Bielik-PL-11B-v3.0-Instruct | 11B | Apache 2.0 | ok. 12,6 GB | GPU 24 GB (A10, A30); w 4 bitach (ok. 6,3 GB) także RTX A2000 12 GB |
| Bielik-Minitron-7B-v3.0-Instruct | 7,5B | Apache 2.0 | ok. 8,6 GB | GPU 12 GB (RTX A2000) |
| PLLuM-4B | 4B | Apache 2.0 | ok. 4,6 GB | GPU 12 GB, nawet w 16 bitach (ok. 9,2 GB) |
| PLLuM-12B | 12B | Apache 2.0 | ok. 13,8 GB | GPU 24 GB (A10, A30) |
| Llama-PLLuM-8B | 8B | Llama 3.1 | ok. 9,2 GB | GPU 12–24 GB |
| Llama-PLLuM-70B | 70B | Llama 3.1 | ok. 80,5 GB (w 4 bitach ok. 40 GB) | 4-bit: A40 48 GB; 8-bit: 2× A40 (96 GB) lub RTX PRO 6000 96 GB |
Licencje: Apache 2.0 czy Llama 3.1
Bielik oraz PLLuM-4B i PLLuM-12B mają licencję Apache 2.0. Możesz ich używać komercyjnie, modyfikować je i dostrajać bez dodatkowych zgód. Warianty Llama-PLLuM dziedziczą licencję Llama 3.1 od modelu bazowego Meta. To licencja własna z dodatkowymi warunkami, m.in. obowiązkiem oznaczania pochodzenia modelu, polityką dopuszczalnego użycia i osobną zgodą dla usług z ponad 700 mln aktywnych użytkowników miesięcznie. Dla typowej firmy czy urzędu nie jest to przeszkoda, ale przed wdrożeniem warto dać ją do przeczytania prawnikowi.
Mocne strony: polszczyzna i niski koszt utrzymania
Polskie modele językowe są trenowane na dużych zbiorach polskich tekstów, dlatego zwykle lepiej trzymają się polskiej gramatyki, odmiany i rejestru niż globalne modele podobnej wielkości. Dobrze radzą sobie też z polskimi realiami, np. nazwami urzędów, procedurami czy terminologią prawną. Tokenizer zoptymalizowany pod polski, taki jak APT4, zwykle dzieli polski tekst na mniej tokenów. W praktyce oznacza to więcej treści w tym samym oknie kontekstu i mniej obliczeń na tę samą odpowiedź.
Drugi argument to koszt. Model 11–12B w 8 bitach zajmuje ok. 12,6–13,8 GB, więc mieści się na karcie A10 lub A30 z 24 GB i zostawia zapas na kontekst. To dokładnie konfiguracje z naszych gotowych pakietów GPU. Mimo nazwy pakietów działają na nich dowolne modele, nie tylko DeepSeek. Bielik-Minitron-7B albo Bielik 11B w 4 bitach zmieszczą się nawet na najmniejszym pakiecie z RTX A2000 12 GB. Do produkcji z wieloma użytkownikami albo do uruchomienia 70B lepiej wybrać mocniejszy serwer GPU.
Ograniczenia: kiedy polski model nie wystarczy
W ogólnych zestawieniach duże modele globalne, takie jak DeepSeek, Qwen, GLM czy Mistral w największych wersjach, są zwykle mocniejsze w złożonym rozumowaniu, programowaniu, matematyce i długich, wieloetapowych zadaniach. To w dużej mierze kwestia skali: model 11B nie zastąpi modelu z kilkuset miliardami parametrów. Polskie modele najlepiej sprawdzają się, gdy:
- pracujesz wyłącznie lub głównie na tekstach po polsku,
- zadanie jest dobrze zdefiniowane: streszczenie, klasyfikacja, odpowiedź na podstawie dokumentów, redakcja tekstu,
- liczy się koszt i możliwość uruchomienia na jednej karcie,
- znaczenie ma suwerenność danych i pochodzenie modelu, np. w sektorze publicznym.
W praktyce często najlepiej działa podejście hybrydowe. Polski model obsługuje większość prostych zapytań po polsku tanio i szybko. Trudniejsze zadania, np. analizę wielu dokumentów naraz albo generowanie kodu, kierujesz do większego modelu open source działającego w tej samej infrastrukturze. Oba modele możesz wystawić przez API zgodne z OpenAI, a o wyborze decyduje prosta reguła w aplikacji. Porównanie większych modeli znajdziesz w artykule Najlepsze modele open source do samodzielnego hostowania w 2026.
Jak uruchomić Bielika i PLLuM na własnym serwerze
Oba modele są publikowane w standardowym formacie Hugging Face, więc obsługują je popularne serwery inferencji:
- Ollama lub llama.cpp z plikami GGUF to najszybsza droga do testów na jednym stanowisku. SpeakLeash publikuje m.in. wariant GGUF Bielika-Minitron-7B.
- vLLM to wybór do produkcji z wieloma użytkownikami: ciągłe batchowanie, efektywne zarządzanie pamięcią KV cache i API zgodne z OpenAI. Dla Bielika-Minitron-7B dostępna jest też wersja FP8.
- SGLang sprawdza się, gdy potrzebujesz ustrukturyzowanych odpowiedzi (np. JSON) w procesach RAG i agentowych.
Szczegółowe porównanie tych narzędzi znajdziesz w artykule Ollama, vLLM, SGLang czy NVIDIA NIM. Niezależnie od narzędzia zadbaj o trzy rzeczy: szablon czatu zgodny z kartą modelu, limit długości kontekstu dopasowany do dostępnej pamięci oraz monitoring, który pokaże, kiedy kolejka zapytań zaczyna rosnąć. Do zadań produkcyjnych rozważ też filtr bezpieczeństwa. SpeakLeash udostępnia klasyfikatory Bielik Guard.
Zastosowania polskich modeli w firmach i administracji
Administracja publiczna
PLLuM powstał z myślą o polskiej administracji, a hosting w polskiej serwerowni ułatwia spełnienie wymogów dotyczących lokalizacji danych. Typowe zadania to streszczanie pism, przygotowywanie projektów odpowiedzi na podstawie wzorów, wyszukiwanie w przepisach wewnętrznych i upraszczanie języka komunikatów. Jeśli urząd utrzymuje u nas EZD RP, model może działać w tej samej serwerowni. Pamiętaj, że decyzje administracyjne wymagają weryfikacji przez człowieka, a model tylko przygotowuje projekt.
Obsługa klienta po polsku
Chatbot lub asystent konsultanta, który odpowiada na podstawie bazy wiedzy, regulaminów i historii zgłoszeń. Polski model dobrze sprawdza się w poprawnym, uprzejmym języku, a małe wymagania sprzętowe pozwalają obsłużyć ruch na jednym serwerze GPU.
Streszczanie i porządkowanie dokumentów
Umowy, protokoły, notatki ze spotkań, korespondencja. Model 11–12B poradzi sobie ze streszczeniem, wyciągnięciem terminów i stron czy klasyfikacją pisma według kategorii. W połączeniu z wyszukiwaniem w dokumentach (RAG z wektorową bazą danych) staje się wewnętrznym asystentem wiedzy, a dane nie opuszczają firmy.
FAQ: najczęściej zadawane pytania
Czy Bielik jest darmowy do użytku komercyjnego?
Tak. Modele Bielik v3.0 są udostępnione na licencji Apache 2.0, która pozwala na użytek komercyjny, modyfikację i dostrajanie bez opłat licencyjnych. Płacisz tylko za sprzęt, na którym model działa.
Jaka jest różnica między Bielikiem a PLLuM?
Bielik to projekt społeczności SpeakLeash, a PLLuM to rodzina modeli rozwijana na zlecenie Ministerstwa Cyfryzacji, od 2025 roku przez HIVE AI. Oba są dostrojone do polszczyzny. PLLuM ma szerszą gamę rozmiarów (4B–70B) i jest ukierunkowany na administrację publiczną. Warianty Llama-PLLuM mają licencję Llama 3.1, a pozostałe Apache 2.0.
Jaki sprzęt jest potrzebny do uruchomienia Bielika?
Bielik 11B w 8 bitach potrzebuje ok. 12,6 GB pamięci GPU, więc wystarczy karta 24 GB (np. A10 lub A30). W 4 bitach, podobnie jak Bielik-Minitron-7B, zmieści się na karcie 12 GB. Przy wielu równoczesnych użytkownikach dolicz pamięć na kontekst.
Czy polski model językowy jest lepszy od ChatGPT po polsku?
W złożonym rozumowaniu duże modele globalne są zwykle mocniejsze. Polskie modele wygrywają kosztem, możliwością uruchomienia na własnym serwerze i dobrą polszczyzną w dobrze zdefiniowanych zadaniach. Najlepiej porównać je na kilkudziesięciu prawdziwych przykładach z Twojej firmy.
Czy PLLuM można uruchomić na VPS?
Tak, jeśli VPS ma dedykowaną kartę GPU. PLLuM-4B i PLLuM-12B zmieszczą się na kartach 12–24 GB z naszych pakietów, a Llama-PLLuM-70B wymaga 48 GB w 4 bitach lub ok. 96 GB w 8 bitach.
Chcesz sprawdzić Bielika lub PLLuM na własnych danych? Uruchomimy model na VPS z dedykowanym GPU albo na serwerze GPU w naszej serwerowni Tier III w Polsce, z pełną administracją 24/7 lub dostępem root. Skontaktuj się z nami, a dobierzemy konfigurację do liczby użytkowników i rodzaju zadań.