Bielik – polski otwarty duży model językowy stworzony przez fundację SpeakLeash, dzięki zasobom obliczeniowym Akademickiego Centrum Komputerowego Cyfronet AGH. Założeniem Bielika jest lepsze dopasowanie do języka polskiego oraz polskich realiów. Jednym z inicjatorów projektu jest Sebastian Kondracki.
Oprócz oficjalnej strony Bielik jest także dostępny na platformie Hugging Face, gdzie użytkownicy mogą przetestować jego możliwości. Model, jak i narzędzia pomocne przy jego tworzeniu (zestaw danych, pakiety programistyczne), są dostępne na licencji open-source.
Historia Pierwsza wersja Bielika została opublikowana w kwietniu 2024 roku, natomiast druga – 28 sierpnia 2024 roku. Od wersji 2.0 model udostępniany jest na licencji licencji Apache 2.0.
Bielik w pierwszej wersji opierał się na modelu fundamentalnym Mistral-7B i posiadał 11 miliardów parametrów, co jest znacznie mniejszą liczbą w porównaniu do modeli takich jak GPT-3, które mają 175 mld parametrów (dane z kwietnia 2024 r.).
Bielik został wytrenowany na danych w języku polskim, dzięki zasobom obliczeniowym dwóch najszybszych (wg stanu na 2025) superkomputerów w Polsce – Heliosa i Atheny, udostępnionych przez Akademickie Centrum Komputerowe Cyfronet AGH. Do wytrenowania Bielika użyto zasobów dostępnych na wolnej licencji takich jak: polskie dokumenty prawne, ustawy, Projekt Gutenberg czy Wikipedia.
W 2025 roku nad Bielikiem pracowało 10-15 osób, z czego 5 osób jest w zespole trenującym.
Twórcy pracują także nad projektem Sójka, który umożliwia blokadę treści pochodzących z dużego modelu językowego w zależności od ustawionej kategorii np. przemoc czy wulgaryzmy.
6 maja 2025 została wydana wersja 3 Bielika w dwóch rozmiarach: 1,5 i 4,5 mld parametrów, wraz z wersją 2.5 z 11 mld parametrów. Modele w wersji 3 są oparte na modelu fundamentalnym Qwen 2.5 i posiadają własny tokenizer dostosowany do języka polskiego.
1 stycznia 2026 została wydana wersja 3 Bielika z 11 mld parametrów.
Odbiór W 2025 roku Bielik znalazł się w finale międzynarodowego konkursu GOSIM Spotlight AI w Paryżu, w którym projekt został zakwalifikowany do grona dziesięciu finalistów wybranych spośród kilkuset zgłoszeń z całego świata. W maju 2025 roku Bielik dostał nagrodę Money.pl w kategorii Technologia Roku. W listopadzie 2025 Rafał Brzoska ogłosił, podczas Bielik Summit, objęcie Bielika mecenatem przez Grupę InPost, Beyond oraz EY. W grudniu tego samego roku został udostępniony dostęp do chatbota Bielika przez aplikację mobilną InPost.
Niezależne badania wskazują jednak na ograniczenia modelu. W benchmarku Polish Linguistic and Cultural Competency (PLCC) Bielik-11B-v2.3 uzyskał wynik 62,17%, będący drugim najwyższym wynikiem wśród ocenianych modeli o otwartych wagach, lecz niższy od rezultatów najlepszych modeli uwzględnionych w badaniu. Autorzy odnotowali również, że nowsza z porównywanych wersji Bielika uzyskała nieznacznie słabszy wynik od wcześniejszej. W późniejszej wersji benchmarku Bielik-11B-v3.0-Instruct osiągnął 70,67 punktu, pozostając poniżej części modeli o zbliżonej skali ocenianych w tym samym teście.
W badaniu przeprowadzonym na 555 rzeczywistych pytaniach z egzaminów z anatomii dla studentów medycyny Bielik 7B v0.1 odpowiedział poprawnie na 29,91% pytań, uzyskując najniższy wynik spośród siedmiu badanych modeli. Wśród 150 pytań zadanych w języku polskim jego skuteczność wyniosła 23,33%; identyczny wynik osiągnął PLLuM. Dla porównania GPT-4o odpowiedział poprawnie na 70,32% pytań w języku polskim.
Ograniczenia Bielika wykazano także w badaniach dotyczących polskiego prawa. W eksperymencie dotyczącym prostych problemów prawnych Bielik-11B-v2 uzyskał ogólną poprawność odpowiedzi na poziomie 65%, wobec 87% dla GPT-4o mini. Autorzy stwierdzili również, że modele rzadko sygnalizowały własne ograniczenia, a poprawność ich odpowiedzi była zależna od sposobu sformułowania pytania. W innym badaniu Bielik-11B-v2.6 został poddany oficjalnemu egzaminowi kwalifikacyjnemu do Krajowej Izby Odwoławczej. W praktycznej części polegającej na sporządzeniu orzeczenia uzyskał 8 punktów na 100 przy progu zaliczenia wynoszącym 50 punktów. Komisja wskazała m.in. brak prawidłowej interpretacji prawnej, niespójne rozumowanie, pominięcie istotnych zarzutów oraz błędy formalne w przygotowanym orzeczeniu.
W badaniu klinicznego rozumowania diagnostycznego na 30 winietach opartych na rzeczywistych przypadkach pacjentów Bielik-11B-v2.2 prawidłowo wskazywał końcową diagnozę w 46,4% przypadków przedstawionych w języku polskim, przy skuteczności triażu wynoszącej 83,3%. Autorzy nie stwierdzili przy tym oczekiwanej przewagi Bielika w języku polskim – jego ogólne wyniki były podobne dla polskiej i angielskiej wersji przypadków.
Zobacz też PLLuM
Przypisy
Linki zewnętrzne Strona oficjalna
Kategoria:Duże modele językowe