Bielik czy PLLuM: który polski model wybrać?

Bielik i PLLuM to dwie najważniejsze polskie rodziny modeli językowych z otwartymi wagami. Obie można pobrać i uruchomić bez chmury, obie powstały z myślą o polszczyźnie. Różnią się jednak twórcami, licencjami, rozmiarami i tym, do czego są projektowane. Poniżej zestawiamy dane z kart modeli, rankingów i dwóch publikacji naukowych z Uniwersytetu im. Adama Mickiewicza.

Kto stoi za Bielikiem, a kto za PLLuM?

Bielik tworzy fundacja SpeakLeash razem z ACK Cyfronet AGH. Modele trenowano na krakowskich superkomputerach Athena i Helios, a wersję Minitron 7B przygotowano wspólnie z NVIDIA. Projekt wspierają sponsorzy z biznesu (m.in. InPost, Beyond i EY), a chatbot oparty na Bieliku działa w aplikacji InPost.

PLLuM to projekt rządowy. Finansuje go Ministerstwo Cyfryzacji (dotacja ok. 18,5–19 mln zł), a od 2025 roku rozwija konsorcjum HIVE AI pod kierunkiem NASK PIB, z udziałem m.in. Cyfronetu, IPI PAN, OPI PIB i Politechniki Wrocławskiej. Modele publikuje ministerstwo na swoim koncie Hugging Face.

W wywiadzie dla xyz.pl z 19 marca 2026 Sebastian Kondracki (SpeakLeash) nazwał Bielika „kompaktowym modelem do pracy w biznesie” i stwierdził, że oba projekty są „bardziej B2B niż B2C”. Aleksandra Tomaszewska z Ministerstwa Cyfryzacji, współtwórczyni PLLuM, podkreśliła, że to „modele specjalistyczne, domenowe”, a ich głównym celem są lokalne wdrożenia w administracji i mObywatelu.

Bielik i PLLuM w jednej tabeli

PLCC (Polish Linguistic and Cultural Competency) to test OPI PIB: 600 ręcznie napisanych pytań o polską historię, geografię, kulturę, sztukę, gramatykę i słownictwo. Wynik to średnia trafność w sześciu kategoriach.

Co mówią niezależne rankingi?

PLCC

W PLCC Bielik 11B v3.0 ma 70,67 pkt. Najbliżej jest starszy PLLuM-12B-nc-chat-250715 z wynikiem 69,67, ale to model niekomercyjny. Nowe, komercyjnie licencjonowane modele PLLuM 2512 mają wyraźnie mniej: 12B 41,17, 8B 36,0, a 4B 26,83. Największy Llama-PLLuM-70B-chat-2512 osiąga 62,83, czyli nadal mniej niż Bielik 11B, choć jest od niego ponad sześć razy większy.

CPTU-Bench i Polish EQ-Bench

CPTU-Bench (SpeakLeash) sprawdza rozumienie trudnych polskich tekstów: wydźwięk, frazeologię i podchwytliwe pytania, w skali do 5. Bielik 11B v3.0 ma 3,735, PLLuM-12B-nc-chat-250715 3,667, a Llama-PLLuM-70B-chat 3,528. Różnice są tu małe.

W Polish EQ-Bench, który mierzy rozumienie emocji w dialogach, najlepszy PLLuM to Llama-PLLuM-70B-chat (generacja 2412) z wynikiem 72,99, wyżej niż Bielik 11B v3.0 (71,20). Bielik 11B v2.6 ma 74,13. Mniejsze PLLuM-y wypadają słabiej: 12B-nc-chat-250715 ma 58,23.

W obu rankingach nie ma jeszcze wpisów dla PLLuM 2512.

Open PL LLM Leaderboard

Bielik 11B v3.0 ma tu 65,93 pkt (5-shot), tuż za gemma-3-27b-it i Llama-3.3-70B. PLLuM w tym rankingu nie znajdziesz. Prowadzący go SpeakLeash piszą, że wykluczyli PLLuM, bo modele trenowano na treningowych częściach zadań z benchmarku (poza Belebele i EQ-Bench). Pamiętaj, że SpeakLeash jest też twórcą Bielika, więc ten ranking nie jest neutralny w tym sporze.

A co z rankingiem Oxido?

Wywiad w xyz.pl był odpowiedzią na raport firmy Oxido opisany w marcu 2026 przez „Rzeczpospolitą”. W 20 zadaniach Bielik 3.0 dostał 6,38 pkt, PLLuM 8x7B 5,95, a dla porównania Gemini 8,13 i GPT-5.2 7,66. Tytuł wywiadu ujmuje takie zestawienie jako porównywanie „F-16 do furgonetki”. Bielik i PLLuM mają działać na sprzęcie firmy lub urzędu, bez wysyłania danych na zewnątrz, a nie konkurować z największymi chatbotami w chmurze.

Inaczej rozkładają się też rozmiary. Bielik nie ma odpowiednika 70B, a PLLuM nie ma odpowiednika 1.5B ani przyciętego Minitrona 7B. Na laptopie z 8 GB RAM realny wybór to Bielik 1.5B lub PLLuM-4B, a w PLCC oba wypadają słabo (27,5 i 26,83 pkt). Największa różnica w PLCC jest między modelami 11B i 12B, które wymagają ok. 16 GB RAM.

Co pokazały badania UAM?

Centrum Sztucznej Inteligencji UAM opublikowało 27 maja 2026 tekst „Bielik czy PLLuM?” autorstwa Szymona Bartanowicza i prof. Krzysztofa Jassema. W dniu pisania tego artykułu strona CSI UAM pokazywała komunikat o pracach serwisowych, więc opisujemy badania na podstawie publikacji, których dotyczy.

Pierwsza to praca na konferencji LREC 2026: Evaluation of Two Leading Polish Language Models in a Real-world RAG Scenario. RAG to sposób pracy, w którym model odpowiada na podstawie dokumentów wyszukanych w bazie wiedzy. Badacze użyli dokumentacji technicznej platformy low-code, a odpowiedzi oceniali punktowo i w porównaniach parami przez wielu oceniających. Wniosek: Bielik-11B-v2.3-Instruct „konsekwentnie przewyższał” PLLuM-12B-nc-chat w trafności i dopasowaniu odpowiedzi.

Druga to kontynuacja na FedCSIS 2026, sprawdzająca nowsze wersje na tym samym zestawie 146 pytań. Średnia ocena dużego modelu-sędziego w skali 1–5:

Autorzy podsumowują, że Bielik „pozostaje silniejszym z dwóch modeli”. Przy okazji zauważyli, że małe modele-sędziowie (poniżej 10 mld parametrów) mocno faworyzują odpowiedź na określonej pozycji, a najbardziej odpornym sędzią był gpt-oss-20b.

Uwaga: oba badania testowały niekomercyjne wersje PLLuM (-nc) i jeden typ dokumentów (dokumentacja techniczna). Nie sprawdzały modeli PLLuM 2512 ani tekstów urzędowych, do których PLLuM jest projektowany.

W czym PLLuM ma przewagę?

Niższe wyniki w testach ogólnych nie przekreślają PLLuM. Jego mocne strony leżą gdzie indziej:

• Język urzędowy. Według ministerstwa modele 2512 piszą ponad 20 gatunków tekstów administracyjnych.
• Gotowy prompt RAG z cytatami. Karta modelu zawiera polski szablon, w którym model wskazuje źródła [n], a gdy nie znajdzie odpowiedzi, mówi to wprost.
• Kontekst 128K, czyli cztery razy więcej niż u Bielika. Okno kontekstu decyduje, ile tekstu model obejmie naraz. Karta zastrzega jednak, że bardzo długie zadania mogą sprawiać trudność.
• Wsparcie państwa i wdrożenia. Według NASK asystent w mObywatelu obsłużył do sierpnia 2026 roku 1,17 mln wiadomości. PLLuM testują też m.in. KPRM, Kancelaria Senatu i Prokuratoria Generalna.
• Model 70B dla instytucji z serwerami GPU. Bielik nie ma tak dużej wersji.

Na co uważać przy licencjach?

Bielik jest prosty: linia v2 i v3 to Apache 2.0, z możliwością użycia komercyjnego (tylko najstarszy Bielik-7B-Instruct-v0.1 ma licencję niekomercyjną CC BY-NC 4.0).

W PLLuM trzeba sprawdzić konkretny model:

• PLLuM-4B i PLLuM-12B – Apache 2.0, komercyjnie bez dodatkowych warunków.
• Llama-PLLuM-8B i 70B – licencja Llama 3.1: polityka dopuszczalnego użycia Meta, obowiązek oznaczenia „Built with Llama”, nazwy modeli pochodnych zaczynające się od „Llama” i osobna licencja od Meta powyżej 700 mln aktywnych użytkowników miesięcznie.
• Modele z dopiskiem -nc (np. PLLuM-12B-nc-chat-250715, ten z najlepszymi wynikami) – tylko do użytku niekomercyjnego.

Kiedy Bielik, kiedy PLLuM?

Wybierz Bielika, gdy:

• potrzebujesz ogólnego asystenta po polsku do pisania, streszczeń i redakcji tekstów,
• uruchamiasz model na domowym komputerze lub laptopie i chcesz gotowej paczki w Ollamie,
• zależy Ci na najwyższych wynikach w niezależnych testach w rozmiarze do 12B,
• chcesz jednej, prostej licencji do zastosowań firmowych,
• budujesz RAG na dokumentacji firmowej – tu masz wprost dowody z badań UAM.

Wybierz PLLuM, gdy:

• tworzysz rozwiązanie dla urzędu lub instytucji publicznej,
• generujesz lub upraszczasz pisma urzędowe,
• potrzebujesz odpowiedzi z cytowaniem dokumentów i gotowego szablonu RAG,
• pracujesz na długich dokumentach, które nie mieszczą się w 32K tokenów,
• masz serwer GPU i chcesz modelu 70B.

Na start z domowym sprzętem polecamy Bielika 11B v3.0:

ollama run SpeakLeash/bielik-11b-v3.0-instruct:Q4_K_M

A żeby wypróbować PLLuM 12B z pliku społeczności:

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

Wymagania sprzętowe i wszystkie warianty znajdziesz na stronach Bielika i PLLuM. Jeśli chcesz porównać polskie modele z zagranicznymi, zajrzyj do zestawienia Najlepszy model po polsku.

Najczęstsze pytania

Który model jest lepszy po polsku: Bielik czy PLLuM?

W niezależnych testach wygrywa Bielik 11B v3.0. W PLCC ma 70,67 pkt, a komercyjny PLLuM-12B-chat-2512 41,17. W badaniu RAG z UAM (FedCSIS 2026) Bielik dostał 4,591 pkt, a PLLuM-12B-nc-chat-250715 4,192 w skali 1–5.

Czy Bielik i PLLuM są darmowe?

Wagi obu można pobrać za darmo. Bielik v2 i v3 jest na Apache 2.0. W PLLuM 2512 modele 4B i 12B mają Apache 2.0, a 8B i 70B licencję Llama 3.1. Starsze modele z dopiskiem -nc są tylko do użytku niekomercyjnego.

Dlaczego PLLuM nie ma w Open PL LLM Leaderboard?

Autorzy rankingu (SpeakLeash) wykluczyli PLLuM, bo według nich modele trenowano na treningowych częściach zadań z tego benchmarku. PLLuM pojawia się za to w PLCC, CPTU-Bench, Polish EQ-Bench i MT-Bench PL.

Który model łatwiej uruchomić w Ollamie?

Bielika. Twórcy prowadzą przestrzeń SpeakLeash na ollama.com, np. ollama run SpeakLeash/bielik-11b-v3.0-instruct:Q4_K_M. PLLuM 2512 da się uruchomić tylko z plików GGUF społeczności na Hugging Face.

Który model ma dłuższy kontekst?

PLLuM: 131 072 tokeny (128K) według plików konfiguracyjnych. Bielik 11B v3.0 i Minitron 7B mają 32 768 tokenów, a Bielik 1.5B 8192.

Źródła

10 pozycji

1. Bielik czy PLLuM? (Centrum Sztucznej Inteligencji UAM) csi.amu.edu.pl
2. Bartanowicz, Jassem: Evaluation of Two Leading Polish Language Models in a Real-world RAG Scenario (LREC 2026) aclanthology.org
3. Re-evaluating Polish LLMs in RAG: The Evolution of Bielik and PLLuM (FedCSIS 2026) annals-csis.org
4. Bielik-11B-v3.0-Instruct – karta modelu (Hugging Face) huggingface.co
5. PLLuM-12B-instruct-2512 – karta modelu (Hugging Face) huggingface.co
6. Więcej, szybciej, po polsku – rodzina modeli PLLuM się powiększa (gov.pl) gov.pl
7. PLLuM – oficjalna strona projektu pllum.org.pl
8. PLCC – Polish Linguistic and Cultural Competency leaderboard (OPI PIB) huggingface.co
9. Open PL LLM Leaderboard (SpeakLeash) huggingface.co
10. Burza wokół Bielika i PLLuM – wywiad (xyz.pl) xyz.pl