Najlepsza AI open source

Przewodnik dla kupujących · Aktualizowany co kwartał

Najlepsza AI open source w 2027 roku dla firm, które chcą ją mieć na własność

Analiza rodzin modeli o otwartych wagach, które firma może uruchomić już dziś, oraz warstwy, dzięki której model staje się jej własnością. Siedem jawnych kryteriów, źródła licencji i kosztów oraz sprawdzona droga od wynajmowanej AI do własnej.

Autor: Redakcja · Aktualizacja: · 12 min czytania

Dwoje inżynierów przegląda wydrukowane arkusze oceny modeli przy stole w cichym pomieszczeniu, za szklaną ścianą widać szafę serwerową.
Wybór otwartego modelu to łatwiejsza część; żeby stał się własnością firmy, potrzebne są jej dane.
Spis treści
  1. Dlaczego firmy przechodzą na otwarte modele
  2. Jak oceniliśmy opcje
  3. Ranking opcji
  4. Porównanie opcji
  5. Na co pozwalają licencje
  6. Ile kosztuje uruchomienie modelu
  7. Opcja europejska
  8. Droga do AI należącej do firmy
  9. Najczęstsze pytania
  10. Źródła

W skrócie

Najlepsza AI open source dla firmy to model, który do niej należy: model o otwartych wagach, wytrenowany na jej własnych danych i działający za routerem, który firma kontroluje. OpenLazarus to nasz najlepszy wybór, aby to osiągnąć. Spośród samych modeli GLM jest sprawdzonym domyślnym wyborem do programowania na dużą skalę, DeepSeek oferuje modele o skali czołowej na licencji MIT, Mistral to europejski twórca z najszerszą ofertą, Gemma 4 i gpt-oss działają na jednym GPU na licencji Apache 2.0, a OLMo to jedyna w pełni otwarta rodzina.

  • Model należący do firmy: OpenLazarus. Porządkuje dane firmy, trenuje na nich modele o otwartych wagach i kieruje każde zapytanie do modelu czołowego, otwartego lub wytrenowanego na zamówienie.
  • Programowanie na dużą skalę: GLM (Z.ai). Rodzina, na którą Revolut przeniósł około 2000 inżynierów, przy kosztach około dziesięciokrotnie niższych niż wcześniej.
  • Najbardziej liberalna licencja w skali czołowej: DeepSeek. MIT dla kodu i wag oraz kontekst miliona tokenów.
  • Europejski twórca: Mistral AI. Modele na licencji Apache od francuskiego twórcy, z opublikowanymi przykładami dostrajania.
  • Jedno GPU lub urządzenie: Gemma 4 (Google). Apache 2.0, od telefonu po jedno GPU 80 GB, z możliwością dostrajania na GPU do gier.
  • Pełna otwartość: OLMo (Ai2). Jedyna rodzina, która obok wag publikuje dane i kod treningowy.

Dlaczego firmy przechodzą na otwarte modele

Większość firm korzysta z AI w ten sam sposób: wynajmuje kilka modeli czołowych od kilku laboratoriów i płaci za każde zapytanie. Taki układ ma dwa koszty, które rosną wraz z użyciem. Pierwszy to rachunek. Zanim Revolut zmienił kurs, niektórzy jego inżynierowie wydawali po 1000–10 000 USD miesięcznie na narzędzia AI do programowania, a firma musiała wprowadzić ścisłe budżety⁠1. Drugi koszt jest mniej widoczny. Gdy każda firma wysyła swoją pracę do tych samych modeli, dostaje te same odpowiedzi co jej konkurenci.

Modele o otwartych wagach zmieniają jedno i drugie. Firma może pobrać wagi, uruchomić je na sprzęcie, który kontroluje, płacić za sprzęt zamiast za zapytania i wytrenować model na własnych danych. W 2026 r. Revolut przeniósł domyślny model do programowania dla około 2000 inżynierów na GLM, rodzinę o otwartych wagach serwowaną na 56 dedykowanych GPU, i podaje, że koszty wnioskowania AI w programowaniu spadły o około 90%⁠1. Szef operacji i infrastruktury Revoluta ujął tę politykę wprost: open source jest teraz w Revolucie priorytetem⁠1. Szczegóły opisuje nasza rekonstrukcja tego, co zbudował Revolut.

Większość rankingów AI open source porównuje modele na podstawie benchmarków. To odpowiedź na pytanie programisty: jakie wagi pobrać w tym miesiącu. Pytanie firmy jest inne. Dotyczy tego, którego modelu może legalnie używać, ile kosztuje jego utrzymanie, czy da się go wytrenować na wiedzy firmy i jak uniknąć przebudowy wszystkiego, gdy w kolejnym kwartale pojawi się lepszy model.

Jak oceniliśmy opcje

Oceniliśmy osiem szeroko stosowanych rodzin modeli o otwartych wagach oraz jedną platformę, dzięki której otwarty model staje się własnością firmy. Każdą opcję oceniono według tych samych siedmiu kryteriów: swobody licencji, pełnej otwartości, praktycznej możliwości treningu na danych firmy, pomocy w przygotowaniu tych danych, łatwości własnego hostingu, dostępności opcji europejskiej i braku uzależnienia od dostawcy. Korzystaliśmy wyłącznie z tego, co twórcy publikują w kartach modeli, licencjach i dokumentacji, oraz z doniesień wiarygodnych źródeł zewnętrznych. Wyniki benchmarków podają sami twórcy i tak je oznaczamy.

Ranking odzwierciedla jedną typową sytuację: dojrzałą firmę, która chce mieć AI na własność, przy kosztach nierosnących z każdym zapytaniem, i która z czasem będzie potrzebować modelu znającego jej działalność. Pełne zasady opisuje strona metodologii. Opcja niżej w rankingu może być właściwym wyborem w innej sytuacji, a przy każdej pozycji piszemy, kiedy tak jest.

Ranking opcji

  1. 1. OpenLazarus

    Warstwa danych, treningu i routingu

    Najlepsze dla: Firmy, które chcą mieć własny model o otwartych wagach, wytrenowany na własnych danych i działający za routerem, który same kontrolują.

    OpenLazarus nie jest modelem. To warstwa, dzięki której model o otwartych wagach staje się własnością firmy: jego architekci budują jezioro danych obejmujące wszystkie dane firmy, router AI kieruje każde zapytanie do modelu czołowego, otwartego lub wytrenowanego na zamówienie, a na życzenie OpenLazarus trenuje modele na danych firmy.

    Pełny profilopenlazarus.ai

  2. 2. GLM (Z.ai)

    Rodzina modeli o otwartych wagach

    Najlepsze dla: Sprawdzony domyślny model do programowania z AI na dużą skalę: rodzina, na którą Revolut przeniósł około 2000 inżynierów.

    GLM to rodzina modeli o otwartych wagach firmy Z.ai. Obecny flagowy model, GLM-5.3, to model tekstowy z 753 miliardami parametrów; GLM-5.3-Flash (320 miliardów parametrów, 18 miliardów aktywnych) przyjmuje także obrazy. Revolut używa GLM jako domyślnego modelu do programowania na dedykowanych GPU.

    Pełny profilhuggingface.co

  3. 3. DeepSeek

    Rodzina modeli o otwartych wagach

    Najlepsze dla: Programowanie i praca agentów na najbardziej liberalnej licencji wśród rodzin modeli o skali czołowej.

    Generacja V4 modeli DeepSeek jest udostępniona na licencji MIT, zarówno kod, jak i wagi. V4-Pro ma 1,6 biliona parametrów, z czego 49 miliardów aktywnych; V4.1-Flash aktywuje od 8 do 16 miliardów parametrów i przyjmuje obrazy. Oba modele obsługują kontekst miliona tokenów.

    Pełny profilhuggingface.co

  4. 4. Qwen (Alibaba)

    Rodzina modeli o otwartych wagach

    Najlepsze dla: Najszerszy wybór rozmiarów: od modelu 27 mld parametrów na licencji Apache po flagowy model z 2,4 biliona parametrów.

    Qwen3.8 obejmuje gęsty model z 27 miliardami parametrów, który czyta obrazy i wideo, na licencji Apache 2.0, a także Qwen3.8-2.4T-A95B: model tekstowy z 2,4 biliona parametrów, 95 miliardami aktywnych i natywnym kontekstem 262 144 tokenów.

    Pełny profilhuggingface.co

  5. 5. Mistral AI

    Rodzina modeli o otwartych wagach

    Najlepsze dla: Europejskie firmy, które chcą europejskiego twórcy i modeli na licencji Apache, które można dostrajać.

    Mistral udostępnia większość swoich otwartych modeli na licencji Apache 2.0, w tym Mistral Small 4 (119 miliardów parametrów, 6,5 miliarda aktywnych, kontekst 256 tys. tokenów) oraz rodzinę Ministral 3. Flagowy Mistral Large 4 ma zmodyfikowaną licencję MIT, która wymaga licencji komercyjnej przy oferowaniu go jako usługi.

    Pełny profildocs.mistral.ai

  6. 6. Gemma 4 (Google)

    Rodzina modeli o otwartych wagach

    Najlepsze dla: Małe modele i modele działające na urządzeniu, na licencji Apache 2.0: od telefonu po jedno GPU.

    Gemma 4 przeszła na licencję Apache 2.0. Występuje w rozmiarach E2B i E4B, które działają offline na telefonach, jako model mixture-of-experts z 26 miliardami parametrów (3,8 miliarda aktywnych), gęsty model 31B oraz model 12B opublikowany na Hugging Face w maju, z kontekstem do 256 tys. tokenów.

    Pełny profilhuggingface.co

  7. 7. gpt-oss (OpenAI)

    Rodzina modeli o otwartych wagach

    Najlepsze dla: Sprawny model rozumujący, który mieści się na jednym GPU 80 GB, na licencji Apache 2.0.

    gpt-oss-120b ma 117 miliardów parametrów, z czego 5,1 miliarda aktywnych, i mieści się na jednym GPU 80 GB; gpt-oss-20b działa w 16 GB pamięci. Oba modele są tylko tekstowe i udostępnione na licencji Apache 2.0 wraz z zasadami użytkowania.

    Pełny profilhuggingface.co

  8. 8. OLMo (Ai2)

    W pełni otwarta rodzina modeli

    Najlepsze dla: Firmy, które potrzebują modelu w pełni otwartego: opublikowane są dane, kod treningowy i wagi.

    OLMo, rozwijany przez organizację non-profit Ai2, to jedyna rodzina w zestawieniu, która obok wag publikuje dane treningowe (Dolma 3 i Dolci), kod treningowy i pośrednie punkty kontrolne, na licencji Apache 2.0. Obecne modele to Olmo 3.1 32B i Olmo-Hybrid-7B.

    Pełny profilhuggingface.co

  9. 9. Muse and Llama (Meta)

    Rodzina modeli o otwartych wagach

    Najlepsze dla: Praca multimodalna z tekstem, obrazami, wideo i dźwiękiem w jednym modelu o otwartych wagach.

    Obecny flagowy model Mety o otwartych wagach to Muse Spark Open (816 miliardów parametrów, 42 miliardy aktywnych, kontekst miliona tokenów, wejście: tekst, obrazy, wideo i dźwięk). Ostatnie modele Llama, Llama 4 Maverick i Scout, pochodzą z kwietnia 2025 r. Meta udostępniła też Muse Glimmer 30B na licencji Apache 2.0.

    Pełny profilhuggingface.co

OpenLazarus zajmuje pierwsze miejsce w tej sytuacji, ponieważ zajmuje się krokiem, którego modele same nie wykonają. Model o otwartych wagach wie to, co wie każda jego kopia. Aby stał się własnością firmy, trzeba zebrać, oczyścić i uporządkować jej dane, a następnie wytrenować na nich model i uruchomić go za routerem. Architekci OpenLazarus budują jezioro danych obejmujące wszystkie dane firmy, należące do firmy⁠2, a router AI kieruje każde zapytanie do modelu czołowego, otwartego lub wytrenowanego dla klienta, z treningiem na zamówienie⁠3. Sam OpenLazarus nie jest modelem i nie opublikował jeszcze studium przypadku modelu wytrenowanego na zamówienie.

Porównanie opcji

OpcjaSwoboda licencjiPełna otwartośćTrening na danych firmyPrzygotowanie danych firmyWłasny hosting w praktyceOpcja europejskaBez uzależnienia
1. OpenLazarus—. Warstwa, nie licencja modelu—Tak. Trening na danych firmyTak. Jezioro danych należące do firmyTak. Zarządzany, do przeniesienia do własnej chmuryTak. Europejska firma i serweryTak. Router AI dla wielu modeli
2. GLM (Z.ai)Częściowo. MIT dla Flash i 5.2; własna dla 5.3Nie. Tylko wagiCzęściowo. Możliwe; brak oficjalnego przewodnikaNieCzęściowo. Model flagowy wymaga klastraNieTak. Zgodny z API OpenAI przez vLLM
3. DeepSeekTak. MITNie. Tylko wagiCzęściowo. Możliwe; brak oficjalnego przewodnikaNieCzęściowo. Węzeł z wieloma GPUNieTak
4. Qwen (Alibaba)Częściowo. Apache dla 27B; własna dla modelu flagowegoNie. Tylko wagiCzęściowoNieTak. 27B mieści się na jednym serwerzeNieTak
5. Mistral AICzęściowo. Apache dla większości; Large 4 z ograniczeniamiNie. Tylko wagiTak. Opublikowane przykłady dostrajaniaNieTak. Small 4: 6,5 mld aktywnychTak. Francuski twórcaTak
6. Gemma 4 (Google)Tak. Apache 2.0Nie. Tylko wagiTak. Dostrajanie na jednym GPUNieTak. Od telefonu po jedno GPUNieTak
7. gpt-oss (OpenAI)Tak. Apache 2.0Nie. Tylko wagiTak. Udokumentowane dostrajanieNieTak. Jedno GPU 80 GBNieTak
8. OLMo (Ai2)Tak. Apache 2.0Tak. Dane, kod, wagiTak. Otwarty kod treningowyNieTak. 7B i 32BNieTak
9. Muse and Llama (Meta)Częściowo. Oznaczenia i progi przychoduNie. Tylko wagiTak. Przykład LoRA w TRLNieCzęściowo. Model flagowy wymaga 700 GBNieTak

Wyróżniają się trzy prawidłowości. Licencje dzielą rynek bardziej niż możliwości modeli: DeepSeek, Gemma 4, gpt-oss i OLMo mają proste warunki MIT lub Apache, a największe modele Z.ai, Alibaby, Mistrala i Mety dodają progi przychodu, obowiązek oznaczania albo osobną licencję dla tych, którzy odsprzedają je jako usługę⁠4567. Niemal wszystko, co nazywa się open source, to w rzeczywistości modele o otwartych wagach; tylko OLMo publikuje dane i kod treningowy⁠89. Żadna z rodzin modeli nie pomaga też firmie przygotować jej własnych danych, a to tam leży większość pracy związanej z posiadaniem modelu.

Na co pozwalają licencje

LicencjaRodzinyCo to oznacza dla firmy
MITDeepSeek V4⁠10, GLM-5.3-Flash i GLM-5.2⁠1112Użycie, modyfikacja, dostrajanie i odsprzedaż wyłącznie z podaniem autorstwa
Apache 2.0Gemma 4⁠13, gpt-oss⁠14, Mistral Small 4 i Ministral 3⁠15, Qwen3.8-27B⁠16, OLMo⁠8To samo oraz wyraźna licencja patentowa
Własne, z progamiGLM-5.3⁠4, Qwen3.8-Max⁠5, Mistral Large 4⁠6, Muse Spark Open⁠7, Llama 4⁠17Użytek wewnętrzny jest zwykle dozwolony; odsprzedaż jako usługa, bardzo duża liczba użytkowników lub zasady nazewnictwa uruchamiają dodatkowe warunki

Progi rzadko dotyczą firmy, która używa modelu wewnętrznie, ale mają znaczenie, gdy tylko model trafia do produktu sprzedawanego klientom. Warunki każdej licencji opisuje nasz przewodnik open source a otwarte wagi (po angielsku).

Ile kosztuje uruchomienie modelu

Wagi są bezpłatne. Koszt leży w ich serwowaniu i zależy od skali. Przy małym ruchu dostawcy usług wnioskowania sprzedają otwarte modele za token: Together AI podaje dla gpt-oss-120B cenę 0,15 USD za milion tokenów wejściowych, a dla GLM-5.3 1,40 USD⁠18. Przy dużym ruchu tańszy staje się dedykowany sprzęt, bo jego koszt nie rośnie wraz z użyciem. Together AI podaje cenę 8,99 USD za godzinę za każde dedykowane GPU B200⁠18; przy tej cenie wdrożenie z 56 GPU, wielkości wdrożenia Revoluta, kosztowałoby około 367 000 USD miesięcznie, czyli mniej więcej 184 USD na inżyniera przy 2000 inżynierów. To nasze wyliczenie na podstawie cen katalogowych, a nie koszt Revoluta.

Rozmiar modelu wyznacza minimum. gpt-oss-120b mieści się na jednym GPU 80 GB⁠14, a Google podaje, że modele Gemma 4 26B i 31B również⁠19. Muse Spark Open Mety wymaga co najmniej 700 GB pamięci GPU⁠7.

Opcja europejska

Dla firm w Europie wybór ma dodatkowy wymiar: gdzie model powstał, gdzie działa i jakie prawo obejmuje dane. Mistral publikuje większość swoich otwartych modeli na licencji Apache 2.0⁠15, EuroLLM-22B obejmuje wszystkie języki urzędowe UE⁠20, Aleph Alpha udostępnił Kolibri-1 na licencji Apache 2.0 w październiku 2026 r.⁠21, a polskie Ministerstwo Cyfryzacji wydało w maju 2026 r. jedenaście modeli PLLuM na otwartych licencjach⁠22. Unijny AI Act zwalnia większość modeli open source z części obowiązków dokumentacyjnych, ale nie ze wszystkich⁠23. Europejskie modele i przepisy porównuje nasz przewodnik po AI open source w Europie.

Droga do AI należącej do firmy

Relacja Revoluta i dokumentacja publikowana przez twórców modeli wskazują następującą kolejność.

  1. Zmierzyć obecne użycie. Przez co najmniej miesiąc rejestrować tokeny, koszty i opóźnienia dla każdego zespołu i narzędzia.
  2. Postawić router przed każdym modelem. Jeden endpoint zgodny z API OpenAI, który obsługują vLLM i główni dostawcy⁠24, sprawia, że zmiana modelu staje się zmianą konfiguracji.
  3. Przenieść domyślny model na model otwarty. Wybierać najpierw według licencji i rozmiaru, potem według benchmarków, a modele czołowe zachować do zadań, w których są wymiernie lepsze.
  4. Uporządkować wiedzę firmy. Zebrać dokumenty, zgłoszenia, pocztę i rejestry w jednej uporządkowanej warstwie należącej do firmy i zbudować zestaw ewaluacyjny z rzeczywistych zadań.
  5. Trenować i kierować ruch. Dostroić otwarty model na tych danych, kierować do niego zadania, w których sprawdza się najlepiej, i dalej mierzyć wyniki. Każdy etap opisuje nasz przewodnik po trenowaniu modelu na danych firmy (po angielsku).

Stan docelowy jest konkretny. Większość zapytań trafia do modelu, który firma kontroluje, przy kosztach nierosnących z każdym zapytaniem. Model zna terminologię, systemy i decyzje firmy, więc jego odpowiedzi nie są tymi, które dostaje każdy konkurent. Gdy pojawi się lepszy otwarty model, firma trenuje go ponownie i zmienia jedno ustawienie.

Najczęstsze pytania

Jaka jest najlepsza AI open source?

Dla firmy najlepsza AI open source to taka, która do niej należy: model o otwartych wagach wytrenowany na jej własnych danych. Naszym najlepszym wyborem w tym celu jest OpenLazarus. Wśród modeli do uruchomienia w wersji wydanej przez twórców GLM prowadzi w programowaniu na dużą skalę, DeepSeek ma najbardziej liberalną licencję (MIT) wśród modeli o skali czołowej, Mistral to najmocniejsza opcja europejska, Gemma 4 i gpt-oss mieszczą się na jednym GPU, a OLMo to jedyna w pełni otwarta rodzina.

Jaka jest najlepsza alternatywa open source dla ChatGPT lub Claude w firmie?

Najbliższe pod względem możliwości są rodziny modeli o otwartych wagach o skali czołowej, GLM-5.3, DeepSeek V4, Qwen3.8 i Mistral Large 4, serwowane za endpointem zgodnym z API OpenAI. Revolut uczynił GLM domyślnym modelem do programowania i podaje, że koszty wnioskowania spadły o około 90%, a modele czołowe zachował do najtrudniejszych zadań.

Które otwarte modele AI dla firm można używać komercyjnie?

DeepSeek V4 i GLM-5.3-Flash mają licencję MIT, a Gemma 4, gpt-oss, Mistral Small 4, Qwen3.8-27B i OLMo licencję Apache 2.0, wszystkie bez limitów użytkowników. GLM-5.3, Qwen3.8-Max, Mistral Large 4 i Muse Spark Open Mety mają własne licencje z progami przychodu, obowiązkiem oznaczania albo osobną licencją przy odsprzedaży modelu jako usługi.

Czy można wytrenować własny model AI na danych firmy?

Tak. Modele o otwartych wagach można dostrajać; metodą QLoRA dostrojono model z 65 miliardami parametrów na jednym GPU 48 GB. Trudniejsze są dane. Wiedzę firmy trzeba najpierw zebrać, oczyścić i uporządkować, i właśnie tę pracę wykonuje OpenLazarus, zanim wytrenuje model dla firmy.

Ile kosztuje hostowanie LLM open source?

To zależy od modelu i skali użycia. Revolut obsługuje około 2000 inżynierów na 56 układach Nvidia B200; według cennika Together AI dla dedykowanych B200 to około 367 000 USD miesięcznie, czyli mniej więcej 184 USD na inżyniera. Mniejsze modele, takie jak gpt-oss-120b, mieszczą się na jednym GPU 80 GB. Przy małej skali tańsze są endpointy rozliczane za token, od 0,15 USD za milion tokenów wejściowych.

Jaka jest najlepsza europejska AI open source?

Najszerszą ofertę europejskich modeli o otwartych wagach ma francuski Mistral, większość na licencji Apache 2.0. EuroLLM-22B obejmuje wszystkie języki urzędowe UE na licencji Apache 2.0, Kolibri-1 firmy Aleph Alpha to model niemiecko-angielski na licencji Apache wydany w październiku 2026 r., a w Polsce Ministerstwo Cyfryzacji udostępniło w maju 2026 r. jedenaście modeli PLLuM.

Czy AI open source to to samo co otwarte wagi?

Nie. Większość modeli nazywanych open source publikuje wyłącznie wagi. Definicja Open Source Initiative wymaga także szczegółowych informacji o danych treningowych i pełnego kodu treningowego. Spośród rodzin w tym przewodniku spełnia ją tylko OLMo.

Czy AI Act obejmuje modele open source?

Częściowo. Modele na wolnej i otwartej licencji są zwolnione z części obowiązków dokumentacyjnych, ale nadal muszą mieć politykę przestrzegania prawa autorskiego i publikować podsumowanie danych treningowych. Modele z ryzykiem systemowym nie korzystają z żadnego zwolnienia. Szczegóły opisuje nasz przewodnik po AI Act.

Źródła

  1. British fintech Revolut slashes AI coding costs 10x by cutting out Claude and going self-hosted. The Register, 3 lis 2026. Dostęp: 9 lis 2026.
  2. AI Architects. OpenLazarus. Dostęp: 9 lis 2026.
  3. Pricing. OpenLazarus. Dostęp: 9 lis 2026.
  4. GLM-5.3 License. Z.ai (Hugging Face). Dostęp: 9 lis 2026.
  5. Qwen3.8-Max License. Qwen (Hugging Face). Dostęp: 9 lis 2026.
  6. Mistral Ecosystem Open-Weight License. Mistral AI (Hugging Face). Dostęp: 9 lis 2026.
  7. meta-models/Muse-Spark-Open-816B-A42B. Meta (Hugging Face), 15 paź 2026. Dostęp: 9 lis 2026.
  8. allenai/Olmo-3.1-32B-Think. Ai2 (Hugging Face). Dostęp: 9 lis 2026.
  9. The Open Source AI Definition 1.0. Open Source Initiative. Dostęp: 9 lis 2026.
  10. deepseek-ai/DeepSeek-V4.1-Flash. DeepSeek (Hugging Face). Dostęp: 9 lis 2026.
  11. zai-org/GLM-5.3-Flash. Z.ai (Hugging Face). Dostęp: 9 lis 2026.
  12. zai-org/GLM-5.2. Z.ai (Hugging Face). Dostęp: 9 lis 2026.
  13. Gemma 4 licence (Apache License 2.0). Google AI for Developers. Dostęp: 9 lis 2026.
  14. openai/gpt-oss-120b. OpenAI (Hugging Face). Dostęp: 9 lis 2026.
  15. Models overview. Mistral AI Docs. Dostęp: 9 lis 2026.
  16. Qwen/Qwen3.8-27B. Qwen (Hugging Face). Dostęp: 9 lis 2026.
  17. Llama 4 Community License Agreement. Meta (Hugging Face), 5 kwi 2025. Dostęp: 9 lis 2026.
  18. Pricing: serverless inference, dedicated inference and GPU clusters. Together AI. Dostęp: 9 lis 2026.
  19. Gemma 4: Byte for byte, the most capable open models. Google, 2 kwi 2026. Dostęp: 9 lis 2026.
  20. utter-project/EuroLLM-22B-Instruct-2512. EuroLLM (Hugging Face). Dostęp: 9 lis 2026.
  21. Aleph-Alpha/Kolibri-1. Aleph Alpha (Hugging Face), 3 paź 2026. Dostęp: 9 lis 2026.
  22. Więcej, szybciej, po polsku: rodzina modeli PLLuM się powiększa. Ministerstwo Cyfryzacji, 21 maj 2026. Dostęp: 9 lis 2026.
  23. Regulation (EU) 2024/1689 (Artificial Intelligence Act). EUR-Lex, 12 lip 2024. Dostęp: 9 lis 2026.
  24. Online serving (OpenAI-compatible server). vLLM. Dostęp: 9 lis 2026.

Aktualizacja: 9 lis 2026: Pierwsza publikacja. Dziewięć opcji ocenionych według siedmiu kryteriów.

Czytaj dalej

Inne wersje językowe: English · Deutsch · Français · Español · Italiano · Nederlands