Polski model basal-omni-1.0-ultra jest w ścisłej czołówce otwartych modeli w JevBench, niezależnej tabeli modeli decyzyjnych. Firmy, które automatyzują obsługę zgłoszeń, dokumentów albo agentów AI, mogą go pobrać za darmo i uruchomić u siebie. Model opublikował Remigiusz Kinas, współautor raportu technicznego Bielika 11B v3. Do tablicy trafił 17 października 2026 roku. W pierwszych odczytach, 18 i 19 października, prowadził wśród otwartych modeli z wynikiem 82,5 punktu w Capability Score. W odczycie z 24 października ma 82,1 punktu i jest drugi, za H2O-Lightning-31B v1.0.7 od H2O.ai (84,3). Wynik dotyczy jednej kategorii zadań, czyli decyzji z listy odpowiedzi, a sam benchmark ma status wersji beta.
Aktualizacja z 24 października 2026, 20:30. Czołówka tablicy JevBench się zmieniła. Tablica liczy teraz wyniki metodą v1.7. Decyzja trwająca ponad 10 sekund liczy się w niej jako błędna, a wszystkie wiersze przeliczono od nowa. Wśród otwartych modeli prowadzi H2O-Lightning-31B v1.0.7 od H2O.ai z wynikiem 84,3 w Capability Score. basal-omni-1.0-ultra ma teraz 82,1 punktu (wcześniej 82,5) i jest drugi. W oficjalnym JevBench Score, który liczy też koszt i szybkość, basal jest szósty wśród otwartych modeli (71,5). W widoku łączonym z usługami API wyprzedza go sześć systemów, w tym pięć usług API. Lead, tabelę, wykres, zrzut tablicy i podsumowanie zaktualizowaliśmy według odczytu z 24 października, 20:08 (rewizja tablicy v1.7.48).
Czym jest basal-omni i czym jest JevBench
Model decyzyjny wybiera odpowiedź z listy zamiast pisać tekst
Model decyzyjny to model językowy, który czyta tekst i wybiera jedną z odpowiedzi podanych przez program, razem z prawdopodobieństwem. Firma TypeSafe AI, autor modelu Jev, nazywa tę klasę modelami System One. W dokumentacji TypeSafe to modele do szybkich, ustrukturyzowanych decyzji, które oprogramowanie może wykorzystać od razu. Nazwa nawiązuje do szybkiego myślenia z książki Daniela Kahnemana “Pułapki myślenia”.
Karta modelu podaje przykład z bankowości. Program przekazuje modelowi wiadomość klienta, który od wczoraj nie może zalogować się do bankowości internetowej, i zadaje dwa pytania. Pierwsze: do którego działu skierować zgłoszenie (reklamacje kart, wsparcie bankowości elektronicznej albo kredyty). Drugie: czy klient nie może korzystać z usługi. Model zwraca prawdopodobieństwo każdej dozwolonej odpowiedzi w jednym przebiegu, bez pisania tekstu. Odpowiedź nigdy nie wypada poza podaną listę, a liczba mówi, jak bardzo model jest pewny. Na tej zasadzie działa klasyfikacja zgłoszeń, ocena pilności i wybór narzędzia przez agenta.
Wersja ultra to Gemma 4 dostrojona na polskich i angielskich decyzjach
Ultra, największy model tej linii, to dostrojona wersja otwartego modelu Gemma 4 31B od Google. Według karty modelu na Hugging Face ma 31 mld parametrów, licencję Apache 2.0 i działa po polsku oraz po angielsku. Autor trenował go na około 640 tys. typowanych decyzji w obu językach. Są wśród nich reguły i terminy, umowy, długie dokumenty, routing, oceny oraz decyzje agentów i narzędzi.
Człon “omni” oznacza, że model przyjmuje też obrazy, na przykład zdjęcie paragonu, choć na obrazach go nie trenowano. Dźwięku ultra nie obsługuje, bo baza 31B nie ma kodera audio. Nagrania przyjmują mniejsze modele tej linii, mini i max. Karta opisuje całe wydanie jako eksperymentalne. Według strony projektu ultra trafił na Hugging Face 17 października.
JevBench mierzy trafność i kalibrację modeli decyzyjnych
JevBench to tabela wyników prowadzona przez serwis Benchmark Heaven. Za serwisem stoi niemiecka jednoosobowa firma reprezentowana przez Floriana Standhartingera, a sam serwis nazywa się projektem hobbystycznym z otwartym kodem. Strona JevBench ma oznaczenie BETA i zastrzega, że porównuje modele niezależnie od TypeSafe AI.
Każdy system odpowiada na 1500 decyzji, z czego 1200 to pytania zapieczętowane, których nie da się pobrać. Ocena Intelligence to trafność skorygowana o zgadywanie. Calibration sprawdza, czy podawane prawdopodobieństwa zgadzają się z rzeczywistością. Capability Score to średnia tych dwóch ocen. Do rankingu wchodzą tylko systemy, które kosztują najwyżej dwa razy więcej i odpowiadają najwyżej dwa razy wolniej niż Jev. Tablica nazywa je klasą Jev. Od metody v1.7 decyzja trwająca ponad 10 sekund liczy się jako błędna.
Wyniki basal-omni w JevBench: tabela czołówki
Ultra jest drugi w Capability Score wśród otwartych systemów klasy Jev, czyli tych, które mieszczą się w limitach kosztu i czasu odpowiedzi. Do tablicy trafił 17 października. Prowadzi H2O-Lightning-31B v1.0.7 od H2O.ai, dostrojony na tej samej bazie Gemma 4 31B. W odczycie z 24 października 2026 roku (rewizja v1.7.48) tablica pokazuje 217 rankingowych systemów z otwartymi wagami. Poniżej pięć najlepszych otwartych modeli i usługi API dla porównania. Wśród nich jest kettei-fat firmy Sqwish, najwyżej oceniony system w widoku łączonym.
| Kolejność | System | Rodzaj | Intelligence | Calibration | Capability Score |
|---|---|---|---|---|---|
| 1 | H2O-Lightning-31B v1.0.7 (H2O.ai) | otwarte wagi | 79,3 | 89,4 | 84,3 |
| 2 | basal-omni-1.0-ultra | otwarte wagi | 74,1 | 90,2 | 82,1 |
| 3 | Arcbright Elf 1 31B | otwarte wagi | 71,9 | 91,6 | 81,8 |
| 4 | Quyet-1.0-Large | otwarte wagi | 73,4 | 90,0 | 81,7 |
| 5 | Jeff-1.0-Large | otwarte wagi | 71,9 | 91,1 | 81,5 |
| – | kettei-fat (Sqwish), najwyżej w widoku łączonym z API | zamknięte API | 79,8 | 92,8 | 86,3 |
| – | Jev 1.13.0 (TypeSafe, punkt odniesienia tablicy) | zamknięte API | 63,6 | 90,6 | 77,1 |
| – | OpenAI Decisions (gpt-6-luna) | zamknięte API | 56,9 | 90,1 | 73,5 |
| – | Microsoft-Decision-1 (Azure) | zamknięte API | 57,2 | 84,4 | 70,8 |

Do lidera basal traci 2,2 punktu, a nad trzecim Arcbright Elf 1 31B ma 0,3 punktu przewagi. Lider wygrywa trafnością: Intelligence 79,3 wobec 74,1 u basal. Nad Jevem 1.13.0, który tablica pokazuje jako punkt odniesienia, basal ma 5 punktów przewagi. Różnicę robi Intelligence: 74,1 wobec 63,6 u Jeva. W kalibracji oba systemy mają około 90 punktów.

Tablica ma też drugi, oficjalny wynik. JevBench Score waży po równo cztery osie: trafność, kalibrację, szybkość i koszt. W tym zestawieniu ultra jest szósty wśród otwartych modeli (71,5), tuż przed Jevem 1.13.0 (71,4). Prowadzi Torchcast Decision 4B v1.3 (76,2), przed H2O-Lightning-4B v1.1 (73,8) i H2O-Lightning-31B v1.0.7 (73,1). Małe modele 4B są około trzy razy tańsze od basal, ale trafiają rzadziej (Intelligence 67,1 i 60,0 wobec 74,1). Wpis autora z 17 października o pozycji “TOP1 na świecie w modelach otwartych oraz TOP2 wśród zamkniętych i otwartych” odnosił się do Capability Score i do ówczesnego stanu tablicy.
Czy basal-omni pokonał OpenAI i Microsoft? W czym dokładnie
Model Kinasa ma wyższy Capability Score niż OpenAI Decisions i Microsoft-Decision-1, ale tylko w klasie Jev, czyli wśród systemów tanich i szybkich. OpenAI Decisions to API decyzji w publicznej becie, które według dokumentacji działa na modelu gpt-6-luna. Zwykłe wywołanie GPT-6 Luna z niskim poziomem rozumowania ma w tej samej tablicy 97,1 punktu. Kosztuje jednak 0,11 USD za 1000 decyzji, 3,3 razy więcej niż Jev, i odpowiada trzy razy wolniej. Dlatego stoi poza klasą Jev i poza rankingiem.
Sama tablica podaje kilka zastrzeżeń, które zmieniają sposób czytania wyniku:
- JevBench ma status BETA, a serwis zapowiada, że dane i funkcje zmieniają się codziennie.
- Benchmark mierzy jedną kategorię zadań: decyzje z listy odpowiedzi. O czacie, pisaniu tekstu ani programowaniu nic nie mówi.
- Model odpowiadał na nowsze losowanie pytań, z 12 października. Przeliczenie tych wierszy na skalę głównego zestawu jeszcze trwa. Według opisu metodologii nowsze wiersze są raczej zaniżone niż zawyżone.
- Koszt basal, 0,045 USD za 1000 decyzji, to szacunek z rynkowej ceny modelu bazowego. Czas odpowiedzi zmierzono na karcie graficznej operatora tablicy (0,108 s), a do rankingu doliczono stały narzut na sieć.
- Na 15 z 1500 pytań model nie dał odpowiedzi, a tablica liczy je jako błędne.
Czy basal-omni to polski model? Baza od Google, autor z Polski
Ultra to model polskiego autora zbudowany na amerykańskiej bazie. Fundament, Gemma 4 31B, wydał Google na licencji Apache 2.0. Polski wkład to dostrojenie modelu do decyzji po polsku i angielsku oraz silnik basal, przez który model się uruchamia. Tekstowa rodzina basal-2.0 z 12 października ma inną podstawę. Jej trzy modele, 1,5 mld, 4,5 mld i 11 mld parametrów, stoją według kart na polskim Bieliku v3 od SpeakLeash.
Remigiusz Kinas jest jednym z pięciu autorów raportu technicznego Bielika 11B v3 z 30 grudnia 2025 roku. Na stronie projektu basal wpisy podpisuje jako Remigiusz Kinas z ai5, a na Hugging Face jest autorem wszystkich modeli rodziny.
Liczba 87,9%, która też pojawia się przy tym modelu, pochodzi z Werdyktu v1. To autorski benchmark projektu basal: 5000 ukrytych decyzji po polsku i angielsku w 10 kategoriach. Na tej tablicy autor sam pokazuje, że ultra remisuje z zamkniętym d1-ultra od Liquid AI (88,1%), a wyżej jest Respan Span-02 z rozumowaniem (89,5%).
Co otwarty model decyzyjny daje polskiej firmie i programiście
Najważniejsze są otwarte wagi na licencji Apache 2.0. Model można pobrać, uruchomić na własnym serwerze i używać komercyjnie bez opłat licencyjnych. Treść dokumentów nie musi wtedy trafiać do zewnętrznego API. Wymagania sprzętowe ultra są jednak serwerowe: według karty pełna wersja potrzebuje karty graficznej z 80 GB pamięci. Wersja FP8, czyli z wagami zapisanymi w 8-bitowej precyzji, zajmuje 33 GB, ale według autora obsługuje tylko tekst. W pomiarze autora na serwerowej karcie H200 ultra odpowiadał na pojedyncze pytanie zwykle w około 80 milisekund.
Kto nie ma takiej karty, może zacząć od mniejszych modeli. Według strony projektu wersja mini potrzebuje około 16 GB pamięci karty, a max około 24 GB. Tekstowa rodzina basal-2.0 ma wersje do Ollamy i llama.cpp oraz na Maca. Jak uruchamia się otwarte modele na własnym komputerze, opisaliśmy w poradniku Ollama API krok po kroku.
Karta podpowiada też, jak korzystać z pewności modelu. Plik CALIBRATION.json zawiera progi dla 1% i 5% błędu wśród przyjętych decyzji. Na danych testowych przy progu 1% model sam rozstrzygnął 56,8% decyzji, z błędem 0,47%. Resztę karta każe przekazać człowiekowi. Autor wymienia też słabe miejsca: dokładne obliczenia i progi liczbowe trzeba liczyć w kodzie, a decyzje o poważnych skutkach dla ludzi powinien sprawdzić człowiek. Z modelami do wyboru dostawcy i routingu zapytań zetknęliśmy się już przy Jev Routerze w tekście o modelach Claude.
FAQ
Czy z basal-omni można rozmawiać jak z ChatGPT?
Nie. Ten model nie pisze odpowiedzi. Program przekazuje mu tekst albo obraz i pytanie z listą dozwolonych odpowiedzi, a model zwraca prawdopodobieństwo każdej z nich. Do tego potrzebny jest silnik basal z serwerem API, opisany w repozytorium projektu na GitHubie.
Kim jest Remigiusz Kinas?
Remigiusz Kinas to autor modeli basal i silnika, który je uruchamia. Jest też jednym z pięciu autorów raportu technicznego Bielika 11B v3, opublikowanego w serwisie arXiv 30 grudnia 2025 roku.
Agent AI, który pracuje na danych Twojej firmy
Budujemy agentów, którzy odpowiadają klientom, czytają dokumenty i przygotowują raporty, podłączonych do Waszych systemów. Zaczynamy od jednego procesu i sprawdzamy efekt, zanim pójdziemy dalej.
Podsumowanie
basal-omni-1.0-ultra Remigiusza Kinasa jest w ścisłej czołówce otwartych modeli decyzyjnych w JevBench. W odczycie z 24 października 2026 roku ma 82,1 punktu Capability Score i jest drugi, za H2O-Lightning-31B v1.0.7 od H2O.ai (84,3). W pierwszych odczytach po publikacji prowadził z wynikiem 82,5. W oficjalnym JevBench Score, który liczy też koszt i szybkość, zajmuje szóste miejsce wśród otwartych modeli. W Capability Score wyprzedza Jeva od TypeSafe, OpenAI Decisions i Microsoft-Decision-1, ale tylko w klasie tanich i szybkich systemów i tylko w decyzjach z listy odpowiedzi. Model stoi na otwartej Gemmie 4 od Google, ma licencję Apache 2.0 i mieści się na jednej karcie z 80 GB pamięci. Benchmark jest w wersji beta i zmienia się codziennie, a wiersz basal pochodzi z nowszego losowania pytań. Firma, która chce użyć go do kierowania zgłoszeń albo decyzji agenta, powinna najpierw sprawdzić go na własnych dokumentach, co zaleca sama karta modelu.



