PLLuM: rządowy polski model AI do tekstów urzędowych i pracy na dokumentach

Czym jest PLLuM?

PLLuM (Polish Large Language Model) to rodzina polskich modeli językowych finansowana przez Ministerstwo Cyfryzacji. W 2024 roku nad projektem pracowało konsorcjum pod kierunkiem Politechniki Wrocławskiej. Od 2025 roku rozwija go konsorcjum HIVE AI prowadzone przez NASK PIB, w którym są też ACK Cyfronet AGH, IPI PAN, OPI PIB, Instytut Slawistyki PAN, Uniwersytet Łódzki i Politechnika Wrocławska. Modele trafiają na konto ministerstwa na Hugging Face (CYFRAGOVPL).

Najnowsza generacja ma dopisek -2512 (od grudnia 2025, kiedy powstały). Ministerstwo ogłosiło ją 21 maja 2026 roku jako 11 nowych modeli, opisanych jako największa paczka PLLuM-ów na w pełni otwartych licencjach, z dokumentacją pod AI Act.

Według ministerstwa modele trenowano na ok. 7 mln polskich tekstów (licencjonowanych, z domeny publicznej i na licencjach CC) oraz ok. 80 tys. instrukcji napisanych przez ludzi. Na Hugging Face nadal są starsze generacje (2412, 2507, 2508), w tym model mieszany PLLuM-8x7B (architektura MoE, w której przy każdym tokenie pracuje tylko część sieci).

Oficjalna strona pllum.org.pl wymienia 37 modeli i pozwala filtrować je po licencji. Modele oznaczone jako „Non-commercial” nie nadają się do zastosowań firmowych; pozostałe są na Apache 2.0 lub licencji Llama 3.1.

Mocne i słabe strony PLLuM

Mocne strony

• Język urzędowy. Ministerstwo podaje, że modele piszą ponad 20 gatunków tekstów administracyjnych i potrafią upraszczać je do prostego języka.
• Praca na dokumentach. Karta modelu zawiera gotowy polski prompt do RAG, czyli odpowiadania na podstawie dostarczonych dokumentów. Model cytuje źródła w formie [n], a gdy nie znajdzie odpowiedzi, pisze „Nie udało mi się odnaleźć odpowiedzi na pytanie”.
• Długi kontekst. Pliki konfiguracyjne wszystkich modeli 2512 podają 131 072 tokeny (128K). Karta ostrzega jednak, że bardzo długie zadania mogą sprawiać modelom trudność.
• Wsparcie państwa i realne wdrożenia. Według NASK (24 sierpnia 2026) asystent w mObywatelu obsłużył 1,17 mln wiadomości i 730 tys. rozmów, a z PLLuM korzystają lub testują go KPRM, Kancelaria Senatu, Prokuratoria Generalna i urzędy miast.
• Bezpieczeństwo. Warianty „chat” mają dodatkowe dopasowanie pod bezpieczne odpowiedzi, a twórcy przygotowali korpus ok. 60 tys. par preferencji ludzi.

Słabe strony

• Wyniki w niezależnych testach. W PLCC (OPI PIB) modele 2512 mają: 12B-chat 41,17 pkt, 8B-chat 36,0, 4B-chat 26,83. Bielik 11B v3.0 ma 70,67.
• Mieszane licencje. Apache 2.0, Llama 3.1, a w starszych modelach także licencje niekomercyjne (CC BY-NC 4.0, PLLuM-1.x z dopiskiem -nc).
• Brak plików GGUF od twórców i brak wpisu w oficjalnej bibliotece Ollamy.
• Brak udokumentowanego wywoływania narzędzi i trybu „myślenia”. Modele obsługują tylko tekst; NASK zapowiada, że PLLuM „uczy się widzieć”, ale model wizyjny nie jest jeszcze wydany.

Czy PLLuM dobrze mówi po polsku?

PLLuM jest trenowany głównie na polskich tekstach, a karta opisuje go jako wyspecjalizowany w polszczyźnie z dodatkiem angielskiego. Wyniki zależą jednak mocno od wersji:

PLCC to 600 pytań o polską historię, geografię, kulturę, gramatykę i słownictwo. CPTU-Bench sprawdza rozumienie trudnych tekstów, a EQ-Bench rozumienie emocji w dialogach. W CPTU i EQ-Bench nie ma jeszcze wpisów dla generacji 2512.

Uwaga: Open PL LLM Leaderboard (SpeakLeash) celowo nie uwzględnia PLLuM. Jego autorzy piszą, że modele te trenowano na treningowych częściach zadań z tego benchmarku, więc wynik nie byłby porównywalny.

Zespół z UAM w Poznaniu porównał PLLuM i Bielika w realnym scenariuszu RAG. W pracy na FedCSIS 2026 Bielik 11B v3.0 dostał średnio 4,591 pkt (skala 1–5), a PLLuM-12B-nc-chat-250715 4,192. Więcej w artykule Bielik czy PLLuM.

Który wariant PLLuM wybrać?

Szacunki pamięci według wzoru serwisu dla kwantyzacji Q4_K_M (opis w metodologii):

• 8 GB RAM: PLLuM-4B (szacunek ok. 3,6 GB, plik 2,49 GB). Ministerstwo zaznacza, że 4B najlepiej sprawdza się po dostrojeniu do konkretnego zadania.
• 16 GB RAM albo GPU 8 GB VRAM: Llama-PLLuM-8B (szacunek ok. 5,9 GB, plik 4,92 GB) lub PLLuM-12B (szacunek ok. 8,5 GB, plik 7,48 GB). Te dwa rozmiary ministerstwo poleca do zastosowań produkcyjnych, np. jako silnik RAG. 12B ma prostszą licencję (Apache 2.0).
• 64 GB RAM i więcej lub kilka kart GPU: Llama-PLLuM-70B (szacunek ok. 44 GB). Najmniejsze sensowne pliki społeczności mają 24–38 GB. Ministerstwo poleca go do złożonych zadań bez dostrajania.
• Mac: 12B w Q4_K_M zmieści się na Macu z 16 GB pamięci zunifikowanej. 70B wymaga Maca z co najmniej 64 GB pamięci.

Strona pllum.org.pl podaje znacznie wyższe wymagania (np. ok. 48 GB GPU dla 12B), ale dotyczą one serwerowego wdrożenia w pełnej precyzji, a nie skwantyzowanej wersji na domowy komputer.

Jak uruchomić PLLuM na swoim komputerze?

1. Zainstaluj Ollama. Instalator dla Windows, macOS i Linuksa jest na ollama.com/download. Program działa w tle (API pod http://localhost:11434).
2. Pobierz i uruchom model. W terminalu (Windows: PowerShell) wpisz komendę z ramki. Pierwsze uruchomienie pobiera plik, kolejne działają bez internetu.

   ollama run hf.co/mradermacher/PLLuM-12B-instruct-2512-GGUF:Q4_K_M

   ollama run hf.co/mradermacher/PLLuM-4B-instruct-2512-GGUF:Q4_K_M

   PLLuM nie ma wpisu w oficjalnej bibliotece Ollamy, a twórcy nie publikują plików GGUF. Komendy korzystają z kwantyzacji społeczności (mradermacher) na Hugging Face. Na ollama.com są też starsze, nieoficjalne wgrania sprzed generacji 2512.

3. Rozmawiaj. Pisz i zatwierdzaj Enterem. /bye kończy rozmowę, ollama list pokazuje pobrane modele, ollama rm <nazwa> je usuwa.
4. Wolisz okienka? Użyj LM Studio. W LM Studio wejdź w wyszukiwarkę modeli i wpisz „PLLuM 2512 GGUF”. Brak w katalogu LM Studio; pliki GGUF społeczności znajdziesz przez wyszukiwarkę Hugging Face w aplikacji.

Ile pamięci potrzebuje PLLuM?

Wariant	Parametry	RAM/VRAM (szacunek)	Plik w Ollama	Tag Ollama
4B	4,3 mld	≈3,6 GB	2,5 GB	hf.co/mradermacher/PLLuM-4B-instruct-2512-GGUF:Q4_K_M
8B	8 mld	≈5,9 GB	4,9 GB	hf.co/mradermacher/Llama-PLLuM-8B-instruct-2512-GGUF:Q4_K_M
12B	12,2 mld	≈8,5 GB	7,5 GB	hf.co/mradermacher/PLLuM-12B-instruct-2512-GGUF:Q4_K_M
70B	70,6 mld	≈44,2 GB	—	—

Jak liczymy szacunek?

Szacunek = parametry (mld) × bity na wagę / 8 + 1 GB zapasu. Dla kwantyzacji Q4_K_M przyjmujemy 4,9 bita, dla Q8_0 8,5 bita (wartości z tabeli w dokumentacji llama.cpp); zapas obejmuje krótki kontekst i sam program. Dłuższy kontekst zużywa więcej pamięci. W modelach MoE w pamięci muszą być wszystkie parametry, nie tylko aktywne. „Plik w Ollama” to rozmiar podany na ollama.com (lub plik GGUF na Hugging Face) dla danego tagu; bywa inny niż szacunek, bo pliki zawierają też np. koder obrazu, a Ollama nie zawsze używa Q4_K_M.

Uwaga: pliki GGUF dla PLLuM 2512 przygotował użytkownik mradermacher, a nie twórcy modelu. Na ollama.com są też starsze, nieoficjalne wgrania (np. antoniprzybylik/pllum), ale nie dotyczą generacji 2512.

Dla kogo PLLuM, a kiedy wybrać coś innego?

PLLuM ma sens, gdy budujesz asystenta dla urzędu lub instytucji, piszesz teksty administracyjne albo chcesz odpowiadać na pytania na podstawie dokumentów z cytowaniem źródeł. Aleksandra Tomaszewska z Ministerstwa Cyfryzacji mówiła w wywiadzie dla xyz.pl, że to „modele specjalistyczne, domenowe”, a głównym celem są wdrożenia w administracji i mObywatelu.

Kiedy rozważyć coś innego:

• Chcesz ogólnego asystenta po polsku z najlepszą wiedzą o polskim języku i kulturze w rozmiarze do 12B – wybierz Bielika.
• Potrzebujesz rozumienia obrazów albo mocniejszego modelu ogólnego – sprawdź Gemmę lub Qwena.

Bezpośrednie zestawienie obu polskich rodzin znajdziesz w porównaniu Bielik czy PLLuM.

Najczęstsze pytania

Czy PLLuM można używać komercyjnie?

Tak, ale zależy od wariantu. PLLuM 4B i 12B są na Apache 2.0, a Llama-PLLuM 8B i 70B na licencji Llama 3.1 (m.in. polityka dopuszczalnego użycia Meta i oznaczenie „Built with Llama”). Modele z dopiskiem -nc są niekomercyjne.

Czy PLLuM jest w Ollamie?

Nie ma oficjalnego wpisu w bibliotece Ollamy, a twórcy nie publikują plików GGUF. Można użyć kwantyzacji społeczności z Hugging Face, np. ollama run hf.co/mradermacher/PLLuM-12B-instruct-2512-GGUF:Q4_K_M.

Ile RAM potrzebuje PLLuM 12B?

Według wzoru serwisu wersja Q4_K_M potrzebuje ok. 8,5 GB pamięci (szacunek). Plik GGUF Q4_K_M od mradermachera ma 7,48 GB. Wygodnie działa na komputerze z 16 GB RAM.

Gdzie PLLuM jest używany?

Według NASK (sierpień 2026) PLLuM napędza wirtualnego asystenta w mObywatelu (1,17 mln wiadomości i 730 tys. rozmów), a pilotaże prowadzą m.in. KPRM, Kancelaria Senatu, Prokuratoria Generalna i urzędy miast.

Czym różni się wersja instruct od chat?

Warianty „chat” mają dodatkowe dopasowanie pod bezpieczne odpowiedzi. „Instruct” to wersje do wykonywania poleceń, a „base” to modele bazowe do dalszego dostrajania. Do RAG ministerstwo poleca rozmiary 8B i 12B.

Źródła

8 pozycji

1. PLLuM-12B-instruct-2512 – karta modelu (Hugging Face) huggingface.co
2. Więcej, szybciej, po polsku – rodzina modeli PLLuM się powiększa (gov.pl) gov.pl
3. PLLuM – oficjalna strona projektu pllum.org.pl
4. Apetyt na polską AI rośnie. PLLuM trafia do kolejnych urzędów (NASK) nask.pl
5. PLCC – Polish Linguistic and Cultural Competency leaderboard (OPI PIB) huggingface.co
6. Open PL LLM Leaderboard (SpeakLeash) huggingface.co
7. Llama 3.1 Community License (Meta) raw.githubusercontent.com
8. Re-evaluating Polish LLMs in RAG (FedCSIS 2026, UAM) annals-csis.org