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.
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 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.
Jev przyjmuje do 255 opcji w jednym pytaniu. TypeSafe liczy tylko wejście: 0,042 USD za milion tokenów. Tokeny wyjścia są według cennika TypeSafe 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.
Cennik wygląda podobnie u wszystkich. Płacisz za wejście, wyjście jest darmowe. Ceny zwykłych modeli w API zebrałem w tabeli cen.
| 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, Microsoftu, Perplexity i Cloudflare, sprawdzone 17 października. Microsoft zbudował swój model na Qwen3.5-9B, Cloudflare Clef na Qwen3.8-27B, a Amazon 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 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/systemoneco 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 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.
JEVal 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 na 37 zbiorach danych. W polskiej części testu czytania Belebele wyszło 94,6%. 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 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.
współpraca
Zbuduję to dla twojej firmy
Jedna rzecz, którą ktoś u was dziś klika ręcznie, przestaje być klikana. Kod zostaje u was.