# Modele decyzyjne: Jev, basal i polski wyjątek

Jev odpowiada w 268 ms, GPT-6 Luna w 2,4 s, ale Luna trafia częściej. basal to jedyny model decyzyjny zbudowany pod polski, z otwartymi wagami.

Data publikacji: 23 października 2026

[Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev) nie pisze ani zdania.
Dostaje tekst i pytanie z listą odpowiedzi, a oddaje prawdopodobieństwo dla każdej z nich.
TypeSafe wypuściło go 15 września. W ciągu miesiąca własne modele tego typu pokazały
OpenAI, Microsoft, Cloudflare, Perplexity i Amazon.

Polski ślad jest jeden: [basal](https://github.com/rkinas/basal) Remigiusza Kinasa,
zbudowany na Bieliku. Żadnego z tych modeli nie uruchomiłem. Liczby niżej pochodzą od
producentów i z dwóch benchmarków, które zestawiłem. Stan wszystkich: ogłoszone.

## Czym model decyzyjny różni się od czatu?

Czat generuje tekst token po tokenie. Model decyzyjny czyta stan, czyli wiadomość,
dokument albo przebieg pracy agenta. Potem odpowiada na pytanie z typem: wybór z listy,
tak lub nie, ocena na skali. TypeSafe nazywa tę klasę „System One”, od szybkiego,
intuicyjnego systemu z książki Kahnemana.

![Schemat: po lewej stan (wiadomość klienta banku) i pytanie, do którego działu skierować zgłoszenie, z trzema opcjami; po prawej odpowiedź jako trzy pola prawdopodobieństwa p1, p2, p3 bez wartości](/img/posts/modele-decyzyjne-jev-basal/czat-a-model-decyzyjny.jpg "Schemat, nie wynik modelu. Przykład pytania z README modelu basal")

Jev przyjmuje do 255 opcji w jednym pytaniu. TypeSafe liczy tylko wejście: 0,042 USD
za milion tokenów. Tokeny wyjścia są według [cennika TypeSafe](https://docs.typesafe.ai/models)
darmowe. Producent pisze, że Jev
„can't hallucinate”. Jego własna dokumentacja jest ostrożniejsza: kalibrację mierzy się
na grupie odpowiedzi i nie gwarantuje ona, że pojedyncza odpowiedź jest trafna.
Odpowiedź spoza listy nie padnie. Zła odpowiedź z listy już tak.

## Skąd nagle tyle takich modeli?

Odpowiedź z listy idzie prosto do kodu. Nie trzeba parsować tekstu ani pilnować formatu
JSON. Kto przydziela zgłoszenia albo każe agentowi wybrać następne narzędzie, dostaje
gotową wartość z pewnością.

![Oś czasu od 15 września do 16 października 2026: Jev, Decision 1.0, Kev 1.0, Clef, Strands Decider 2B i basal-1.0, Decisions API od OpenAI, Microsoft-Decision-1, basal-2.0, Jev 1.14, basal 2.1](/img/posts/modele-decyzyjne-jev-basal/miesiac-modeli-decyzyjnych.jpg "Daty z wpisów producentów, stan na 17 października 2026")

Cennik wygląda podobnie u wszystkich. Płacisz za wejście, wyjście jest darmowe. Ceny
zwykłych modeli w API zebrałem w [tabeli cen](/tematy/ceny-ai/).

| Model | Firma | Dostęp | Wejście za 1 mln tokenów |
|---|---|---|---|
| Jev 1.14 | TypeSafe | API | 0,042 USD |
| Microsoft-Decision-1 | Microsoft | Foundry, OpenRouter | 0,042 USD |
| GPT-6 Luna w Decisions API | OpenAI | API, publiczna beta | 0,10 USD |
| pplx-decider-v1.2, 27 mld parametrów | Perplexity | API | 0,02 USD |
| Clef, 27 mld parametrów | Cloudflare | Workers AI, wagi Apache 2.0 | 0,24 USD |
| Strands Decider 2B | Amazon (Strands) | otwarte wagi, lokalnie | — |
| basal-2.0 | Remigiusz Kinas | otwarte wagi Apache 2.0, lokalnie | — |

Ceny z dokumentacji
[OpenAI](https://developers.openai.com/api/docs/guides/decisions),
[Microsoftu](https://commandline.microsoft.com/microsoft-decision-1-model-foundry/),
[Perplexity](https://docs.perplexity.ai/docs/decisions/quickstart) i
[Cloudflare](https://developers.cloudflare.com/workers-ai/models/clef), sprawdzone
17 października. Microsoft zbudował swój model na Qwen3.5-9B, Cloudflare Clef na
Qwen3.8-27B, a [Amazon](https://strandsagents.com/blog/introducing-strands-decider/)
Strands Decider na Qwen3.5-2B. Poza basal żaden model z tabeli nie wymienia polskiego.
TypeSafe podaje angielski jako główny język treningu. OpenAI oferuje przetwarzanie
danych w Europie, w EOG i Szwajcarii.

## Co to jest basal?

basal to rodzina modeli decyzyjnych po polsku i angielsku. Wersja 2.0 ma trzy rozmiary:
mini (1,5 mld parametrów), podstawowy (4,5 mld) i max (11 mld). Wszystkie trzy to
fine-tuning Bielika v3 od SpeakLeash. Nazwa pochodzi od jąder podstawy mózgu, które
wybierają jedno działanie spośród kilku.

Autor wydał cztery wersje w 16 dni. Według
[bloga projektu](https://basal.si5.pl/blog/) basal-1.0 wyszedł 1 października, 1.5
4 października, 2.0 12 października, a 2.1 16 października. Od wersji 2.0 jest też
linia basal-omni na Gemma 4, która czyta obrazy i dźwięk. Autor oznacza ją jako
eksperymentalną.

Co mówi repozytorium:

- licencja Apache 2.0, wagi na Hugging Face, także dla Ollamy, llama.cpp i Maców
- ten sam endpoint `/v1/systemone` co Jev, choć autor zaznacza, że oficjalnego SDK
  TypeSafe nie testował
- serwer MCP, więc basal może być narzędziem dla agenta, np. w Claude Code
- na Macu M4 Pro mediana jednej decyzji wynosi według autora 93 ms dla mini, 278 ms
  dla 4.5B i 622 ms dla max

Raport techniczny wersji 1.0 opisuje dane jako „almost entirely synthetic”. 71%
przykładów w opisanym tam zbiorze jest po polsku. Autor sam podaje, gdzie wersja 2.0
się cofnęła: na dziesięciu publicznych zadaniach po angielsku wszystkie trzy modele
wypadają gorzej niż basal-1.5.

## Jak wypadają w testach?

Są dwa porównania i żadne nie jest idealne.

[Werdykt](https://basal.si5.pl/benchmark/) to benchmark autora basal: 5000 decyzji po
polsku i angielsku, 102 systemy w tabeli. Pytania nie są publiczne, więc nikt z zewnątrz
nie powtórzy wyniku. Autor oznacza też modele, których rodzina pomagała budować albo
sprawdzać pytania.

![Wykres punktowy: trafność w Werdykcie od 55 do 100% na osi pionowej, mediana czasu odpowiedzi od 10 ms do 10 s na osi poziomej. Duże modele w API mają około 98–99,6% przy 2–5,5 s, modele decyzyjne w API 78–88% przy 256–438 ms, otwarte modele decyzyjne, w tym basal, 62–82% przy 15–76 ms](/img/posts/modele-decyzyjne-jev-basal/trafnosc-a-czas-werdykt.jpg "Werdykt, eksport z 16 października 2026. Czas w API obejmuje sieć, otwarte modele mierzono na jednym H100")

[JEVal](https://arxiv.org/abs/2610.03935) to niezależny benchmark badaczy z Fudan
i Shanghai Innovation Institute: 11 257 pytań po angielsku i chińsku. To preprint,
bez recenzji. Autorzy pokazują w nim własny model, a polskich pytań nie ma.

| System | Werdykt | JEVal |
|---|---|---|
| GPT-6 Luna jako zwykły model | 98,3% | 80,9% |
| Jev (w Werdykcie wersja 1.14) | 82,2% | 78,4% |
| GPT-6 Luna w Decisions API | 78,4% | — |
| basal-2.0-max | 78,4% | — |
| Kev 4B | 68,4% | 68,9% |

W JEVal GPT-6 Luna odpowiadał bez rozumowania, a w Werdykcie z ustawieniem domyślnym.
To może tłumaczyć część różnicy. Wynik Luny w Werdykcie czytam też ostrożnie. GPT-6
Astra z tej samej rodziny pomagał budować albo sprawdzać pytania, a sama Luna takiego
oznaczenia nie ma.

Kierunek jest w obu tabelach ten sam. Zwykły GPT-6 Luna wyprzedza Jev o 2,6 punktu
w JEVal i o 16 punktów w Werdykcie. Najlepszy model decyzyjny też zostaje z tyłu.
W JEVal to SII-Decision-27B autorów badania, o 1,7 punktu. W Werdykcie Respan Span-02,
o 8,8 punktu.

Najciekawszy wiersz to GPT-6 Luna w dwóch rolach. W Werdykcie jako zwykły model,
z domyślnym rozumowaniem, trafia w 98,3% decyzji i odpowiada w 2,4 s. Przez Decisions
API odpowiada w jednym przejściu, bez pisania. Trafia wtedy w 78,4%, za to w 438 ms.

Po polsku w Werdykcie: Jev 1.14 ma 82,4%, basal-2.0-max 78,7%, a największy basal-omni
z 31 mld parametrów 88,1%. Badacze z Fraunhofer IAIS
[zmierzyli Jev 1.13](https://arxiv.org/abs/2609.37647) na 37 zbiorach danych. W polskiej
części testu czytania Belebele wyszło
[94,6%](https://github.com/AppliedMachineLearning-Lab/jev-benchmarking). To jednak
czytanie ze zrozumieniem, a nie przydzielanie zgłoszeń.

## Kiedy model decyzyjny ma sens?

Model decyzyjny kupujesz za czas odpowiedzi i za to, gdzie działa, a nie za trafność.
Jeśli decyzja może poczekać 2 sekundy, np. przydział maila do działu, zwykły model
jest w obu benchmarkach trafniejszy. W Werdykcie GPT-6 Luna kosztuje przy tym 0,19 USD
za tysiąc decyzji, a Jev 0,07 USD. Model decyzyjny wygrywa, gdy odpowiedź musi przyjść
w ułamku sekundy, np. przy agencie wybierającym narzędzie albo w rozmowie głosowej.

Drugi powód to dane, które nie mogą wyjść z firmy. Jev według
[polityki prywatności](https://typesafe.ai/legal/privacy-policy) działa w USA. basal
działa na twoim sprzęcie, a spośród modeli, które przejrzałem, tylko on był trenowany
głównie po polsku. Jeśli twoja firma w Polsce klasyfikuje pisma klientów i nie chce ich
wysyłać za ocean, od niego warto zacząć.

Wszystkie te modele zwracają pewność, więc decyzje poniżej progu możesz odsyłać do
człowieka. W Werdykcie basal-2.0 przy progu ustawionym na 5% błędu sam rozstrzyga 51,3%
decyzji, a zmierzony błąd wynosi 5,08%. Pozostałe 48,7% i tak czyta człowiek.

Wniosek: zanim wymienisz czat na model decyzyjny, zmierz, ile kosztuje cię sekunda
czekania. Jeśli nic, zostań przy zwykłym modelu.

## Pytania i odpowiedzi

### Czym jest model decyzyjny AI?

To model, który nie pisze odpowiedzi. Dostaje tekst i pytanie z listą dozwolonych odpowiedzi, a zwraca prawdopodobieństwo dla każdej z nich w jednym przejściu. Odpowiedź nie wyjdzie poza listę. Pierwszym głośnym przykładem był Jev firmy TypeSafe, wydany 15 września 2026.

### Czy Jev działa po polsku?

Dokumentacja TypeSafe podaje angielski jako główny język treningu, a o polskim nie mówi nic. W benchmarku Werdykt Jev 1.14 trafia w 82,4% polskich decyzji. Niezależni badacze z Fraunhofer IAIS zmierzyli dla wersji 1.13 94,6% w polskim teście czytania ze zrozumieniem Belebele, ale to nie są decyzje biznesowe.

### Czy basal można uruchomić lokalnie?

Tak, według autora. Wagi są na Hugging Face na licencji Apache 2.0, w wersjach dla kart NVIDIA, dla Ollamy i llama.cpp oraz dla Maców z Apple Silicon. Do samej inferencji nie trzeba zewnętrznego API. Sam basal jeszcze nie uruchomiłem.