basal-omni. Polski model decyzyjny na czele JevBench

Czym jest basal-omni i do czego służy

basal to silnik i rodzina modeli do tzw. typowanych decyzji. Program przekazuje modelowi stan, na przykład wiadomość klienta, dokument albo zapis pracy agenta, oraz pytanie z listą dopuszczalnych odpowiedzi. Model zwraca prawdopodobieństwo dla każdej opcji i wskazuje najbardziej prawdopodobną. Obsługuje wybór jednej opcji, pytania tak lub nie, ocenę w skali i wybór kilku odpowiedzi.

Przykładem jest skrzynka obsługi klienta. Model może ocenić, czy wiadomość dotyczy zwrotu, wymiany, reklamacji czy prośby o informację, i przekazać ją do właściwego procesu. Listę opcji można zmieniać w zapytaniu bez ponownego trenowania modelu. Ponieważ model nie pisze swobodnego tekstu, nie wymyśli kategorii spoza listy.

Wyniki w JevBench i co oznaczają

JevBench prowadzi serwis Benchmark Heaven, niezależny od TypeSafe AI, twórcy modelu Jev, od którego test wziął nazwę. Każdy system podejmuje w nim 1500 decyzji. Capability Score łączy trafność (Intelligence) z kalibracją, czyli zgodnością deklarowanej pewności z rzeczywistą skutecznością. Model, który deklaruje 90 proc. pewności, powinien mieć rację mniej więcej w 9 na 10 takich przypadków.

Polski model uzyskał 74,1 pkt za trafność i 91,0 pkt za kalibrację. Ranking zmienia się jednak wraz z nowymi zgłoszeniami, a źródła podają różne numery wersji tabeli, więc wyniki dotyczą stanu z 17-18 października 2026 roku.

• basal-omni-1.0-ultra (Remigiusz Kinas) - 82,5 pkt, 1. miejsce wśród otwartych modeli.
• Quyet-1.0-Large (Chinh Nguyen) - 81,7 pkt.
• Jeff-1.0-Large - 81,5 pkt.
• Jev 1.13.0 (TypeSafe AI, model referencyjny przez API) - 77,1 pkt.
• kettei-fat (Sqwish, przez API) - 86,3 pkt, jedyny system wyżej w zestawieniu łącznym.

Koszt, szybkość i wymagania sprzętowe

W rankingu łączonym, który bierze pod uwagę także szybkość i koszt, basal-omni-1.0-ultra zajmuje 3. miejsce wśród otwartych systemów. Wyprzedzają go mniejsze modele H2O-Lightning-4B i Torchcast Decision 4B, których decyzja kosztuje około 0,02 USD za 1000 odpowiedzi. Dla polskiego modelu JevBench podaje 0,045 USD za 1000 decyzji, czyli około 18 gr przy kursie NBP z 23 października 2026 roku (3,9247 zł za dolara), oraz medianę czasu odpowiedzi 0,102 s na GPU.

Wersja 31B w pełnej precyzji zajmuje około 62 GB pamięci karty graficznej, a wariant FP8 około 33 GB, ale obsługuje tylko tekst. Do zastosowań na zwykłym komputerze lub Macu przeznaczone są mniejsze modele. Rodzina basal-2.0 oparta na Bieliku v3 ma warianty 1,5, 4,5 i 11 mld parametrów, a basal-omni-1.0 warianty 0,8, 4, 12 i 31 mld. Repozytorium opisuje uruchomienie na kartach NVIDIA, przez MLX na Apple Silicon, a także przez vLLM, SGLang i GGUF.

Dlaczego to ważne dla polskich firm

Modele decyzyjne pasują do zadań, w których firma potrzebuje powtarzalnej klasyfikacji dużej liczby spraw. Chodzi o routing zgłoszeń, ocenę dokumentów, wykrywanie pilnych wiadomości czy kontrolę kroków agenta AI. Kalibracja pozwala ustawić próg automatyzacji. Według karty modelu przy docelowym błędzie 1 proc. model obsłużyłby automatycznie 56,8 proc. decyzji, a resztę należałoby przekazać człowiekowi.

W naszej ocenie największą zaletą jest połączenie licencji Apache 2.0, treningu na polskich danych i możliwości uruchomienia na własnej infrastrukturze. Dane klientów nie muszą wtedy trafiać do zewnętrznego dostawcy, co ułatwia spełnienie wymogów RODO i polityk bezpieczeństwa. Podobną kategorię rozwiązań rozwijają duże firmy, na przykład Cloudflare i AWS.

Ograniczenia i niewiadome

Autor sam oznacza basal-omni jako wydanie eksperymentalne. Model trenowano wyłącznie na decyzjach tekstowych, więc obsługę obrazów i dźwięku trzeba sprawdzić na własnych danych. Wyniki z wewnętrznego testu Werdykt podaje autor, a pytania z tego testu nie są publiczne.

Wynik w JevBench dotyczy jednego benchmarku i konkretnej wersji tabeli. Nie oznacza, że polski model jest lepszy od dużych modeli językowych w pisaniu, rozmowie czy analizie, bo do tego nie służy. Przed wdrożeniem warto zbudować własny zestaw kilkuset oznaczonych przykładów z firmowych danych i porównać na nim kilka modeli decyzyjnych.