Basal Omni: polski model decyzyjny AI na czele JevBench

Polski model wyprzedził komercyjny punkt odniesienia

JevBench porównuje modele decyzyjne na 1500 tych samych decyzjach i ocenia trafność, kalibrację pewności, koszt oraz czas odpowiedzi ^[1]. W zestawieniu ze 184 otwartymi modelami wariant basal-omni-1.0-ultra prowadzi z wynikiem 82,5 pkt (Capability Score). Wyprzedza Quyet-1.0-Large (81,7 pkt), Jeff-1.0-Large (81,5 pkt) i referencyjny Jev 1.13.0 (77,1 pkt).

Jev 1.13.0 to zamknięty, komercyjny model decyzyjny firmy TypeSafe AI. Ranking pokazuje go jako punkt odniesienia, poza klasyfikacją. Od niego pochodzi nazwa benchmarku, choć JevBench jest od TypeSafe AI niezależny ^[1]. W praktyce oznacza to, że otwarty model, który każdy może pobrać, w tym teście wyprzedził rozwiązanie komercyjne.

Dla firmy, która codziennie ręcznie sortuje wiadomości z formularza, wniosek jest prosty: pojawił się mocny, darmowy kandydat do automatyzacji tej pracy, z kodem i wagami dostępnymi publicznie.

Model decyzyjny w prostych słowach

Model decyzyjny zwraca wybór zamiast tekstu. Dostaje wiadomość z formularza i odpowiada etykietą („zapytanie ofertowe”, „reklamacja”, „spam”), odpowiedzią tak/nie albo oceną w skali, a do tego podaje poziom pewności.

Duży model językowy (LLM), np. ChatGPT, też potrafi zwrócić samą etykietę, ale trzeba go do tego zmusić instrukcją i sztywnym formatem odpowiedzi. Do wyboru jednej z pięciu opcji używasz wtedy narzędzia zbudowanego do pisania esejów. Model decyzyjny od początku zwraca tylko dozwolone odpowiedzi. Basal Omni nie generuje przy tym ani jednego tokenu tekstu ^[2].

W praktyce zamknięty wynik wpinasz bezpośrednio w formularz lub CRM i liczysz, jaki odsetek decyzji był błędny.

Remigiusz Kinas: kim jest autor Basal Omni

Remigiusz Kinas jest jednym ze współtwórców Bielika, polskiego otwartego modelu językowego rozwijanego przez społeczność SpeakLeash ^[6]. Na Hugging Face należy do organizacji SpeakLeash i thelion.ai ^[4]. Swoje modele decyzyjne publikuje pod szyldem ai5 ^[2][3].

Basal Omni to kolejny etap jego projektu Basal:

• basal-1.0 (4,5 mld i 1,5 mld parametrów): pierwsze modele decyzyjne skalibrowane pod język polski, opisane w raporcie technicznym „basal-1.0: Reliable, Highly Optimized Typed Decisions for Polish” ^[3][7]. W teście na polskich decyzjach osiągnęły 88,4% trafności wobec 78,0% dla Jev 1.13.0 ^[3].
• Basal 1.5 max: model zbudowany na Bielik 11B ^[2].
• Basal Omni 1.0: obecna generacja, zbudowana na Google Gemma 4, z obsługą tekstu, a eksperymentalnie także obrazu i dźwięku ^[2].

Kod silnika jest w publicznym repozytorium rkinas/basal na GitHubie ^[3], a wagi modeli na Hugging Face ^[4]. Ma to znaczenie praktyczne: osoba techniczna w Twojej firmie może sama sprawdzić, jak model działa, zamiast opierać się na komunikacie prasowym.

Jak ocenić wiarygodność każdego nowego modelu

Tę samą listę zastosujesz do modelu polskiego i zagranicznego:

1. Autor ma publiczny dorobek, który da się sprawdzić.
2. Kod lub model można pobrać i obejrzeć.
3. Wyniki są w niezależnym zestawieniu, a nie tylko w materiałach autora.
4. Dokumentacja uczciwie opisuje ograniczenia.

Basal Omni spełnia wszystkie cztery warunki. Ograniczenia omawiamy niżej.

Basal Omni: najważniejsze fakty

Model występuje w kilku wariantach. Strona fabryka.ai opisuje Basal Omni 1.0 max ^[2], a w rankingu JevBench prowadzi większy basal-omni-1.0-ultra, zbudowany na Gemma 4 31B ^[1].

Źródło: fabryka.ai ^[2], karta modelu na Hugging Face ^[5].

Model można uruchomić na własnym serwerze, a to ma znaczenie dla RODO. Dane klientów nie muszą wtedy opuszczać Twojej infrastruktury. Licencja Apache 2.0 pozwala na użycie komercyjne, ale nie daje praw do marki ^[2].

Dlaczego modele decyzyjne łatwiej nadzorować

Basal Omni przy każdej odpowiedzi podaje poziom pewności. Dzięki temu ustawiasz próg: decyzje pewne model podejmuje sam, a niepewne trafiają do człowieka.

Autor podaje konkretny przykład. Przy progu ustawionym tak, by błędów było najwyżej 1%, model sam rozstrzygnął 47,4% spraw, a rzeczywisty odsetek błędów wyniósł 0,47% ^[2]. Pozostałe sprawy trafiłyby do człowieka.

W firmie sprzedającej drogie usługi to warunek konieczny. Wartościowy klient nie może dostać automatycznej odpowiedzi tylko dlatego, że jego wiadomość przypominała spam.

Wyniki w JevBench: Basal Omni kontra Jev i konkurencja

Stan rankingu: JevBench v1.7.46, aktualizacja z 18 października 2026, sprawdzone 19 października 2026. Ranking jest oznaczony jako wersja beta i zmienia się po zgłoszeniach nowych modeli ^[1].

Źródło: benchmarkheaven.com, JevBench ^[1].

Jak czytać kolumny:

• Wynik ogólny (Capability Score) to średnia trafności i kalibracji ^[1].
• Trafność (Intelligence) mówi, jak często model podejmuje właściwą decyzję. Tu przewaga Basal Omni nad Jev 1.13.0 jest największa: 74,1 wobec 63,6 pkt.
• Kalibracja mówi, czy deklarowana pewność zgadza się z rzeczywistością. Jeśli model podaje „90% pewności”, powinien mieć rację mniej więcej w 9 przypadkach na 10. Od tego zależy, czy próg pewności działa. Tu Basal Omni i Jev są niemal równi (91,0 i 90,6).
• Koszt to szacunek rankingu dla 1000 decyzji. Basal Omni jest droższy od Jev 1.13.0 (0,045 wobec 0,032 USD), ale mieści się w limicie kosztu i czasu odpowiedzi, który ranking przyjmuje dla klasy Jev ^[1].

Co z tego wynika: Basal Omni podejmuje wyraźnie więcej trafnych decyzji niż komercyjny Jev, przy podobnie wiarygodnej deklaracji pewności, za cenę nieco wyższego kosztu. W oficjalnej klasyfikacji, liczonej przy domyślnych limitach kosztu i czasu odpowiedzi, model zajmuje 3. miejsce. Wyżej są dwa znacznie mniejsze i tańsze modele: H2O-Lightning-4B i Torchcast Decision 4B ^[1]. Jeśli liczy się głównie trafność, Basal Omni prowadzi. Jeśli koszt i szybkość, warto sprawdzić także te dwa.

Wyniki na polskich danych (według autora)

Autor opublikował osobne wyniki wariantu max na polskich i angielskich testach. To dane deklarowane przez autora, których Fabryka AI nie powtarzała niezależnie ^[2]:

Gdzie model wypada najsłabiej: reguły i progi liczbowe (41,8%), długie dokumenty (74,2%) i umowy (76,2%) ^[2]. Autor zaleca, by terminy i reguły liczbowe obliczać w kodzie, a nie zostawiać modelowi. Rozpoznawanie intencji z nagrania głosowego dało 71,4% trafności wobec 92,9% przy pracy na transkrypcji. Lepiej więc najpierw zamienić nagranie na tekst ^[2].

Jak czytać ranking, żeby nie dać się zwieść

• Patrz na poszczególne kolumny, nie tylko na wynik ogólny. Przy obsłudze formularzy liczą się trafność i kalibracja, przy dużej skali także koszt.
• Sprawdzaj wariant modelu. W rankingu prowadzi „ultra”, a strona produktu opisuje „max”. To różne modele o różnej wielkości i koszcie.
• Benchmark przypomina egzamin, a nie pracę w Twoim biurze. Nie zawiera wiadomości z literówkami i skrótami, jakie piszą Twoi klienci.

Ranking pomaga więc wybrać 2–3 kandydatów. Wybór ostateczny wskazuje test na Twoich wiadomościach.

Jak wykorzystać model decyzyjny w marketingu i sprzedaży

Model decyzyjny porządkuje zapytania, które już wpływają. Nie sprowadzi nowych. Zaczyna się opłacać, gdy wiadomości jest dużo, a ich obsługa jest chaotyczna. W firmach z drogimi usługami każde zapytanie ma wysoką wartość, więc szybsza reakcja przekłada się wprost na przychód.

Najczęstsze zastosowania, zgodne z przeznaczeniem wskazanym przez autora ^[2]:

• Kwalifikacja zapytań: odróżnienie konkretnego zapytania ofertowego od pytania wstępnego i przypadkowego kontaktu.
• Kierowanie leadów i zgłoszeń: sprzedaż, reklamacja albo wsparcie techniczne, z przekazaniem niepewnych przypadków człowiekowi.
• Decyzje o dokumentach: kategoria dokumentu, czy jest kompletny, czy wymaga uzupełnienia.
• Kroki w automatyzacjach i agentach AI: np. czy znalezione informacje wystarczają do odpowiedzi, albo które narzędzie uruchomić.

Jak to wygląda w kancelarii: wiadomości z formularza trafiają do trzech grup: „pilne, konkretna sprawa”, „pytanie wstępne” i „inne”. Pierwsza grupa ląduje od razu u prawnika, pozostałe w kolejce. Wiadomości, przy których model nie jest pewny, czyta asystentka. Klient z pilną sprawą dostaje odpowiedź w godzinę, a nie następnego dnia.

Efekt mierz trzema wskaźnikami: czasem do pierwszej odpowiedzi, odsetkiem zapytań trafiających od razu do właściwej osoby i odsetkiem decyzji poprawianych ręcznie. Zapisz wartości przed wdrożeniem, bo bez nich nie wykażesz, że model pomaga. Pomiar zdarzeń na stronie i w lejku zapewnia analityka i optymalizacja.

Czego model nie naprawi

Jeśli strona ma ruch, ale nie dostaje zapytań, problem leży przed formularzem:

• niejasna oferta: użytkownik nie rozumie, co sprzedajesz i dla kogo,
• słaby formularz: za długi lub ukryty, zniechęca, zanim zapytanie powstanie,
• wolna strona i błędy techniczne: zapytanie, które nie powstało, nie trafi do żadnego modelu,
• brak analityki: nie wiesz, gdzie tracisz klientów.

Takie problemy wychwytuje Audyt + Plan Działań WebDKW. Po nim wiesz, czy automatyzacja jest Ci potrzebna, czy najpierw trzeba poprawić stronę. Jeśli problemem jest sam ruch, zacznij od intencji wyszukiwania w erze AI, a jeśli widoczność w ChatGPT i innych asystentach, od pozycjonowania pod AI.

Model decyzyjny czy LLM: co wybrać

Wybór zaczyna się od zadania, a nie od rankingu.

Basal Omni potrafi wskazać, które narzędzie uruchomić, ale nie przygotuje jego parametrów ^[2]. Do tego nadal potrzebny jest kod albo LLM.

Reguła: jeśli odpowiedź zawsze mieści się w kilku opcjach, a decyzji jest dużo, wybierz model decyzyjny. Jeśli odpowiedź ma być za każdym razem inna, wybierz LLM.

Ile kosztuje jedna decyzja

Koszt decyzji = miesięczny koszt rozwiązania (API lub serwer) ÷ liczba decyzji w miesiącu + koszt poprawiania błędów.

Według szacunku JevBench 1000 decyzji Basal Omni ultra kosztuje 0,045 USD ^[1]. Przy 3000 zapytań miesięcznie sam koszt obliczeń to kilkanaście centów. Prawdziwy koszt leży gdzie indziej: w utrzymaniu serwera z kartą graficzną i w czasie osoby, która poprawia pomyłki. Model tańszy o połowę, który myli się dwa razy częściej, może więc wyjść drożej.

Test w 5 krokach

1. Wypisz decyzje, które model ma podejmować, i listę dopuszczalnych odpowiedzi.
2. Zbierz 50–100 prawdziwych, zanonimizowanych wiadomości i ręcznie oznacz właściwe decyzje. Uwzględnij skróty, literówki i wiadomości bez polskich znaków.
3. Uruchom 2–3 modele z rankingu na tej samej próbce.
4. Porównaj trafność, czas odpowiedzi i koszt jednej decyzji.
5. Wdróż zwycięzcę pilotażowo, z progiem pewności i ręczną kontrolą niepewnych przypadków.

Powtarzaj test, gdy zmienia się oferta, źródło ruchu albo sposób, w jaki piszą klienci. Sam autor zastrzega, że żaden wynik nie gwarantuje jakości na Twoich dokumentach ^[2].

Checklista: czy Twoja firma jest gotowa na model decyzyjny

Jeśli na większość punktów odpowiadasz „nie”, zacznij od uporządkowania podstaw.

Dane i analityka

• Wiem, ile zapytań miesięcznie dostaje firma i skąd pochodzą.
• Mam skonfigurowane GA4 ze zdarzeniami wysłania formularza.
• Mam co najmniej 50 przykładów zapytań z oznaczoną właściwą decyzją.

Procesy

• Wiadomo, kto obsługuje zapytania i według jakich kryteriów.
• Wiem, ile dziś trwa odpowiedź na zapytanie.
• Mam plan na sytuację, gdy model się pomyli.

Cel i ryzyka

• Umiem wskazać jedną liczbę do poprawy, np. czas odpowiedzi.
• Wiem, czy model uruchomię na własnym serwerze, czy przez zewnętrzne API.
• Wiem, gdzie będą przetwarzane dane klientów (RODO).

Wskazówka: nie wiesz, ilu klientów traci Twoja strona? Sprawdź to w darmowych narzędziach WebDKW, czyli prostych kalkulatorach bez logowania.

Kluczowe wnioski

• Basal Omni to polski model decyzyjny autorstwa współtwórcy Bielika, na licencji Apache 2.0, z publicznym kodem i wagami.
• W JevBench (stan na 18.10.2026) wariant ultra ma najwyższy wynik ogólny: 82,5 pkt wobec 77,1 pkt komercyjnego Jev 1.13.0. Największa przewaga dotyczy trafności decyzji. W oficjalnej klasyfikacji, uwzględniającej koszt i czas odpowiedzi, jest trzeci.
• Model podaje pewność każdej decyzji, więc niepewne przypadki można automatycznie przekazać człowiekowi.
• W marketingu najlepiej sprawdza się w kwalifikacji i kierowaniu zapytań, gdy jest ich dużo. Słabo radzi sobie z regułami liczbowymi i długimi umowami.
• Wydanie jest eksperymentalne: przed wdrożeniem przetestuj model na własnych wiadomościach.

Zanim zainwestujesz w AI, sprawdź, gdzie tracisz klientów

Model decyzyjny przyspieszy obsługę zapytań, ale tylko tych, które do Ciebie docierają. Jeśli strona ma ruch, a telefon milczy, problem jest wcześniej.

Umów bezpłatną konsultację z WebDKW. Bez zobowiązań. Pokażemy, na którym etapie strona traci klientów, i wskażemy najpilniejsze poprawki. Jeśli będzie potrzebna pełna diagnoza, omówimy Audyt + Plan Działań: analizę techniczną, SEO, UX i analitykę zakończoną konkretną listą zmian (od 2500 zł netto).

Umów bezpłatną konsultację →

📚 Bibliografia

1. [1] Benchmark Heaven, „JevBench – Jev models”, wersja v1.7.46 z 18.10.2026, https://benchmarkheaven.com/jev-models, dostęp: 19.10.2026. ↩
2. [2] Fabryka AI, „Basal Omni 1.0 max”, https://fabryka.ai/basal/omni?lang=en, dostęp: 19.10.2026. ↩
3. [3] R. Kinas, repozytorium „rkinas/basal”, GitHub, https://github.com/rkinas/basal, dostęp: 19.10.2026. ↩
4. [4] Hugging Face, profil „Remek” (Remek Kinas), https://huggingface.co/Remek, dostęp: 19.10.2026. ↩
5. [5] Hugging Face, karta modelu „Remek/basal-omni-1.0-max”, https://huggingface.co/Remek/basal-omni-1.0-max, dostęp: 19.10.2026. ↩
6. [6] Forbes Polska, „Współtwórca Bielika o rozwoju AI w Polsce: dystans będzie się pogłębiał”, https://www.forbes.pl/wspoltworca-bielika-o-rozwoju-ai-w-polsce-dystans-bedzie-sie-poglebial/0ttm0pd, dostęp: 19.10.2026. ↩
7. [7] R. Kinas, „basal-1.0: Reliable, Highly Optimized Typed Decisions for Polish”, raport techniczny, 2026, DOI: 10.5281/zenodo.23022986. ↩