Ponad tysiąc języków w jednym modelu, w tym retoromański i szwajcarska odmiana niemieckiego. Tak prezentuje się Apertus, pierwszy duży otwarty model językowy ze Szwajcarii, stworzony wspólnie przez ETH Zurich, EPFL oraz Swiss National Supercomputing Centre. Model powstał w dwóch wersjach, liczących 8 i 70 miliardów parametrów. Jego twórcy udostępnili jednak nie tylko same wagi, ale także dane treningowe, opis procesu, dokumentację oraz pośrednie wersje modelu zapisywane podczas treningu. To właśnie odróżnia Apertusa od Llamy, Mistrala i wielu innych modeli określanych jako otwarte. W tym przypadku otwartość oznacza bowiem możliwość znacznie dokładniejszego sprawdzenia, jak model został zbudowany. Dla polskich firm, które coraz uważniej patrzą na ceny, zasady dostępu i warunki korzystania z amerykańskich modeli, ta różnica może mieć realną wartość biznesową.
Czym jest Apertus i kto stoi za szwajcarskim modelem AI
Najprostsza odpowiedź brzmi tak. Apertus to wspólne dzieło dwóch największych uczelni technicznych Szwajcarii i publicznego centrum superkomputerowego. ETH Zurich i EPFL od dekad rywalizują z MIT, Stanfordem i Carnegie Mellon w rankingach informatycznych. Z kolei Swiss National Supercomputing Centre w Lugano (oznaczane skrótem CSCS) prowadzi jedną z najbardziej zaawansowanych europejskich infrastruktur obliczeniowych. Te trzy instytucje razem zainwestowały spore zasoby. Chciały udowodnić tezę, że duży model językowy można zbudować poza ekosystemem amerykańskim. Co więcej, można udostępnić go w sposób w pełni przejrzysty.
Nazwa modelu nie jest przypadkowa. “Apertus” to po łacinie “otwarty”. Intencja twórców była dosłowna. Mieli oddać publicznie wszystko, co normalnie producent modelu zatrzymuje dla siebie. Apertus udostępniono 2 września 2025 roku przez Hugging Face oraz przez suwerenną platformę AI prowadzoną przez Swisscom. Twórcy zaznaczają, że model przeznaczony jest do zastosowań edukacyjnych, badawczych, komercyjnych oraz społecznych. W wielu miejscach dokumentacji pojawia się też fraza “dla dobra publicznego”. Brzmi nieco patetycznie po polsku, lecz dobrze tłumaczy intencję. Apertus ma być infrastrukturą, a nie produktem.
Skala parametrów i liczba języków obsługiwanych przez Apertus
Apertus występuje w dwóch rozmiarach. Większa wersja ma 70 miliardów parametrów. Mniejsza wersja natomiast 8 miliardów. Trening pochłonął bowiem ponad 15 bilionów tokenów. Z kolei dane treningowe pokrywają ponad tysiąc języków. To, co odróżnia ten zestaw od typowych modeli amerykańskich, sprowadza się do udziału języków innych niż angielski. W przypadku Apertusa wynosi on bowiem 40 procent. To wyraźnie odróżnia Apertusa od wielu modeli projektowanych przede wszystkim wokół angielskiego, choć bez publicznie porównywalnych proporcji danych trudno tu o precyzyjne zestawienie. Co więcej, trening uwzględnił też języki niedoreprezentowane. Szwajcarski niemiecki, retoromański, języki mniejszościowe Szwajcarii oraz wiele języków afrykańskich i azjatyckich. Dlatego model dobrze wpisuje się w projekty wielokulturowe i regionalne. W tych projektach typowy GPT albo Claude nadal zmaga się natomiast z kulturową dokładnością.
Jak Apertus uczy się na superkomputerze Alps i 15 bilionach tokenów
Apertus powstał na superkomputerze Alps, najnowszym dziecku CSCS w Lugano. Trening pochłonął bowiem ponad 10 milionów godzin GPU. Jest to skala porównywalna z dużymi projektami amerykańskimi. Dla rozmowy o suwerenności europejskiej liczy się natomiast jeszcze coś innego. Ta moc obliczeniowa znajduje się fizycznie na terenie Szwajcarii. Finansuje ją z kolei budżet publiczny ETH Board oraz strategiczni partnerzy technologiczni, w tym Swisscom. Inaczej mówiąc, Apertus nie tylko mieszka w Europie. On tu bowiem powstał, na publicznej infrastrukturze.
Z perspektywy zgodności prawnej dane treningowe również wyglądają inaczej. CSCS deklaruje, że całość pochodzi wyłącznie z publicznie dostępnych źródeł. Dodatkowo zostały przefiltrowane pod kątem maszynowo czytelnych żądań opt-out (czyli wycofania zgody przez właściciela treści). Z procesu usunięto też dane osobowe. Twórcy twierdzą, że całość pipeline’u została zaprojektowana z myślą o zgodności ze szwajcarskim prawem ochrony danych, szwajcarskim prawem autorskim oraz wymogami przejrzystości EU AI Act. To istotne, ponieważ wiele zamkniętych modeli nie udostępnia pełnego zestawu danych, recept i checkpointów potrzebnych do głębokiego audytu. Apertus próbuje ograniczyć tę lukę przez pełniejszą dokumentację procesu treningowego.
Dlaczego Apertus jest otwarty inaczej niż Llama i Mistral
W rozmowie o modelach AI słowo “otwarty” znaczy dziś bardzo różne rzeczy. Meta otwiera w Llamie wagi, ale nie pokazuje danych treningowych ani receptur. Mistral robi podobnie. Z licencjami bywa różnie w zależności od wersji. Apertus idzie natomiast krok dalej. Oddaje cztery rzeczy jednocześnie. Najpierw udostępnia wagi modelu. Dalej dokumentację architektury. Z kolei dane treningowe (na tyle, na ile pozwala prawo autorskie). Na koniec pośrednie checkpointy z procesu treningu. Ten ostatni element brzmi mało spektakularnie. To on jednak przesądza o tym, że niezależni badacze mogą studiować model jako proces, a nie tylko gotowy produkt.
Licencja Apertusa ma charakter permisywny. Pozwala zatem na zastosowania edukacyjne, badawcze, komercyjne i społeczne. Nie ma w niej ograniczeń typu “wolno tylko organizacjom poniżej miliarda przychodu”. Taki zapis stosuje natomiast Meta w Llamie 3 wobec największych firm. Dlatego polska firma może legalnie wziąć Apertusa do swojego produktu komercyjnego. Może go dotrenować na własnych danych i wdrożyć w chmurze prywatnej. Dla wielu zespołów to dokładnie ten model “open weights, naprawdę otwartych”. Mówiło się o nim od dawna w kontekście niezależności od big techu.
Co Apertus zmienia w europejskim wyścigu o suwerenność AI
Apertus pojawia się w chwili, w której Europa prowadzi intensywną rozmowę o własnej AI. Z jednej strony NVIDIA i Mistral budują pod Paryżem kampus o mocy 1,4 GW jako wspólne przedsięwzięcie suwerennej AI. Z drugiej strony Polska i Francja rywalizują o europejską gigafabrykę AI. Toczy się też dyskusja, czy Europa w ogóle może odciąć kabel od amerykańskiego big techu bez kompletnej zapaści usług cyfrowych. Apertus daje natomiast konkretną odpowiedź techniczną. Owszem, da się zbudować w Europie model językowy klasy korporacyjnej i dać go ludziom za darmo. Na publicznej infrastrukturze. Pytanie pozostaje, kto z niego skorzysta.
Mimo wyraźnych zalet Apertus ma też ograniczenia. Pierwsze dotyczy wydajności. 70-miliardowy model szwajcarski nie powinien być bowiem traktowany jako bezpośredni zamiennik najnowszych zamkniętych modeli frontier. Przed wdrożeniem wymaga własnych testów jakościowych, zwłaszcza w zadaniach domenowych. Drugie ograniczenie dotyczy z kolei ekosystemu. Wokół Llamy i Mistrala wyrósł bowiem cały tooling, biblioteki, gotowe integracje i społeczność. Apertus musi to wszystko dopiero zbudować. Trzecie ograniczenie ma natomiast charakter inercji rynku. Firmy używające dziś OpenAI albo Anthropic nie zmieniają bowiem stacka co kwartał. Dlatego migracja na Apertusa wymaga inwestycji w infrastrukturę. Wymaga też refaktoru promptów i testów jakościowych na własnych danych. To kosztuje. Z drugiej strony w scenariuszu Europy 2031 wyścig AI rozstrzyga się o suwerenność danych. Polskie firmy z sektora finansów, ubezpieczeń i zdrowia mogą uznać, że ta inwestycja im się zwróci.
Polski kąt: gdzie Apertus może trafić do firm w Polsce
Polska siłą rzeczy ma swoje specyficzne wymagania wobec modeli AI. Język polski jest bowiem jednym z trudniejszych w treningu. Wiele modeli amerykańskich popełnia natomiast w polskiej fleksji błędy widoczne nawet dla użytkownika nietechnicznego. Apertus z jego 40-procentowym udziałem treningu nie-angielskiego ma zatem szansę poprawić ten obraz. Pierwsze pole zastosowania to obsługa klienta w językach europejskich. Krajowe banki obsługują bowiem też klientów z Ukrainy, Niemiec, Czech. Drugie pole to z kolei analiza dokumentów wielojęzycznych. Polskie kancelarie prawne pracują bowiem z materiałem międzynarodowym. Trzecie pole to natomiast publiczne usługi cyfrowe, w których dane wrażliwe nie mogą opuścić Europy. Standardowo trzy ścieżki: bank, kancelaria, sektor publiczny.
Naturalnie nie każdy projekt będzie pasował do Apertusa. Zespoły piszące prompty do GPT-5 albo Fable 5 oczekują najwyższej jakości wyjścia. Dla nich model szwajcarski na razie pozostanie pomocnikiem, a nie głównym narzędziem. Inaczej wygląda to dla zespołów, w których priorytetem jest lokalizacja danych w Europie. Dla nich liczy się też niezależność od big techu oraz auditable infrastructure (czyli infrastruktura, której każdy element da się zweryfikować). W takim wypadku Apertus staje się realnym kandydatem do testów. Dotyczy to dokładnie tych polskich firm, które dziś walczą z działami compliance o każdą zgodę na użycie modeli amerykańskich.
Pierwsza Misja AI · Kodożercy
AI bez technikaliów – kurs i certyfikat
Pierwsza Misja AI to kurs Kodożerców dla absolutnych początkujących. Sci-fi fabuła, gamifikacja, prawdziwy GPT-4 w ćwiczeniach, certyfikat na koniec.
Zacznij Pierwszą Misję →
Najczęstsze pytania o Apertus
Czy Apertus można używać komercyjnie w Polsce
Tak. Licencja Apertusa jest permisywna. Pozwala na zastosowania edukacyjne, badawcze, komercyjne oraz społeczne. Polska firma może wdrożyć Apertusa w swojej chmurze prywatnej. Może też używać go w produkcie sprzedawanym klientom. Trzeba natomiast zadbać o własną infrastrukturę inferencyjną. Chodzi o serwery, na których model działa w czasie zapytań. Dodatkowo warto dotrenować model na danych domenowych, jeśli zadania wymagają specjalistycznej wiedzy.
Jak Apertus wypada w polskiej fleksji wobec GPT-5 i Claude Fable
Twórcy modelu nie publikują jeszcze szerokich benchmarków języka polskiego. Deklarują natomiast 40 procent udziału danych treningowych spoza angielskiego oraz świadome objęcie języków rzadkich. Wstępne testy społeczności sugerują, że Apertus radzi sobie w języku polskim lepiej niż Llama 3 i Mistral Large. Ustępuje natomiast GPT-5 na najtrudniejszych zadaniach językowych. Każda polska firma rozważająca migrację powinna jednak przeprowadzić własne testy na swoich danych. Benchmarki publiczne nie zastąpią ewaluacji domenowej.
Podsumowanie
Apertus pokazuje, że Europa potrafi stworzyć duży model językowy i udostępnić go razem z danymi, dokumentacją oraz szczegółami procesu treningowego. To rzadkie połączenie skali, przejrzystości i zgodności z europejskimi wymaganiami prawnymi. Dla większości polskich firm nie będzie on od razu zamiennikiem GPT-5 czy Claude’a, ponieważ jego ekosystem dopiero się rozwija, a w najtrudniejszych zadaniach nadal może ustępować najlepszym modelom komercyjnym. Może jednak zainteresować sektor publiczny oraz organizacje, dla których kluczowe są kontrola nad danymi, audytowalność i zgodność z przepisami. Dlatego Apertus może najpierw trafić do banków, kancelarii, administracji i ochrony zdrowia, a dopiero później do szerszego grona firm. W Europie nowe technologie często zdobywają zaufanie właśnie tą drogą: najpierw przechodzą audyty i procedury, a dopiero później stają się powszechnym narzędziem.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
