• PolDense 1B osiągnął 64,11 punktu i zajął pierwsze miejsce w benchmarku PIRB.
  • Rodzina obejmuje sześć otwartych modeli o wielkości od 17 mln do 1 mld parametrów.
  • PolDense nie jest odpowiednikiem ChatGPT. To narzędzie do wyszukiwania informacji w dokumentach i systemach RAG.

PolDense wygrywa w polskim benchmarku

Największy wariant, PolDense 1B, zdobył 64,11 punktu w Polish Information Retrieval Benchmark, czyli PIRB. Dało mu to pierwsze miejsce w rankingu modeli ocenianych pod kątem skuteczności wyszukiwania informacji w języku polskim.

Jak podaje Ośrodek Przetwarzania Informacji – Państwowy Instytut Badawczy, polski model wyprzedził Llama-Embed-Nemotron-8B, który uzyskał 63,73 punktu, oraz BGE-Multilingual-Gemma2-9B z wynikiem 63,26 punktu. Konkurencyjne rozwiązania mają około 8-9 mld parametrów, podczas gdy PolDense 1B ma ich 1 mld.

„Pierwsze miejsce modelu PolDense 1B w rankingu PIRB pokazuje, że wyspecjalizowane modele tworzone z myślą o języku polskim mogą wyznaczać standardy jakości” – powiedział dr inż. Sławomir Dadas, zastępca kierownika AI Lab w OPI-PIB.

Benchmark sprawdza zdolność modelu do odnajdywania treści odpowiadających znaczeniu zapytania. Nie chodzi wyłącznie o dopasowanie identycznych słów, ale o rozpoznanie, że pytanie i dokument mogą dotyczyć tego samego zagadnienia, mimo użycia innego słownictwa.

Dziesięć razy mniejszy model ma obniżyć koszty

Wysoka pozycja w rankingu jest istotna nie tylko ze względu na jakość. PolDense został zaprojektowany tak, aby wykonywać konkretne zadanie przy wykorzystaniu mniejszych zasobów sprzętowych niż największe modele wielojęzyczne.

Dr inż. Marek Kozłowski, kierownik AI Lab OPI-PIB, wskazał w wypowiedzi przytoczonej przez Bankier.pl, że modele PolDense są porównywalne lub lepsze od zagranicznych rozwiązań, które mogą być dziesięć razy większe. Według eksperta oznacza to możliwość około dziesięciokrotnie tańszego utrzymania modelu.

Nie jest to jednak uniwersalna gwarancja kosztu każdego wdrożenia. Końcowy rachunek zależy między innymi od liczby obsługiwanych zapytań, infrastruktury, sposobu integracji i konieczności dostosowania modelu do dokumentów konkretnej firmy. Mniejszy model oznacza jednak niższe wymagania dotyczące pamięci i mocy obliczeniowej, co może ułatwić uruchomienie rozwiązania na lokalnych serwerach.

Dla przedsiębiorstw i administracji ma to praktyczne znaczenie. System pracujący lokalnie może ograniczyć konieczność przesyłania dokumentów do zewnętrznej chmury. Ułatwia również kontrolę nad danymi, choć bezpieczeństwo nadal zależy od konfiguracji całej infrastruktury i przyjętych procedur.

PolDense nie jest konkurencją dla ChatGPT

PolDense nie generuje rozbudowanych odpowiedzi tak jak ChatGPT, Claude, Qwen czy DeepSeek. Jego zadaniem jest wyszukiwanie właściwych fragmentów dokumentów na podstawie ich znaczenia. Może być komponentem wyszukiwarki, chatbota, asystenta AI albo systemu wykorzystującego architekturę RAG.

W systemie RAG pytanie użytkownika jest najpierw porównywane z dokumentami zgromadzonymi w bazie. Model wyszukujący wybiera najbardziej trafne materiały, a dopiero później model generatywny przygotowuje odpowiedź. Jakość pierwszego etapu wpływa więc na to, czy użytkownik otrzyma informację opartą na właściwym dokumencie.

Rodzina PolDense obejmuje sześć wariantów opartych na architekturze ModernBERT i technologii ettin-encoders. Modele mają od 17 mln do 1 mld parametrów i mogą analizować teksty liczące do 8192 tokenów. Warianty 68 mln, 32 mln i 17 mln parametrów przygotowano z myślą o procesorach CPU, urządzeniach mobilnych i środowiskach edge computing.

Otwarte modele dla firm i administracji

Wszystkie modele zostały udostępnione bezpłatnie na platformie Hugging Face. Otwarty dostęp pozwala firmom, urzędom i zespołom badawczym testować rozwiązania we własnych systemach, bez opłat licencyjnych za sam model.

PolDense powstał w ramach projektu LLMs4EU, współfinansowanego z programu Digital Europe oraz przez Ministerstwo Cyfryzacji. Projekt obejmuje rozwiązania dla nauki, usług publicznych, turystyki, telekomunikacji i energetyki.

Kolejnym etapem ma być EuroDense, model przeznaczony do wyszukiwania informacji w dziewięciu językach europejskich. O jego rynkowym znaczeniu zdecydują teraz nie tylko wyniki testów, ale przede wszystkim wdrożenia pokazujące jakość, stabilność i rzeczywiste koszty pracy na dokumentach firm oraz instytucji.

Czytaj także:

Deweloperzy oddali ponad 12 tys. mieszkań. Najlepszy lipiec od pięciu lat

Zezwolenia na pracę dla cudzoziemców spadły o połowę. Wzrosła za to liczba zatrzymań

Bitcoin przebił 75 tys. dolarów. Shorty warte 4 mld dolarów zniknęły w dwa dni