PLLuM

PLLuM (ang. Polish Large Language Model) – rodzina otwartych dużych modeli językowych, zaprojektowanych specjalnie do przetwarzania i generowania tekstów w języku polskim. Rozwijana przez polskich ekspertów z dziedziny informatyki, lingwistyki oraz administracji publicznej w ramach projektu z udziałem Politechniki Wrocławskiej (lider konsorcjum), Instytutu Podstaw Informatyki PAN, Instytutu Slawistyki PAN, NASK, Ośrodka Przetwarzania Informacji oraz Uniwersytetu Łódzkiego. Projekt ma na celu wsparcie cyfryzacji usług publicznych, innowacji w biznesie oraz rozwoju kompetencji cyfrowych społeczeństwa. Model, zaprezentowany przez Ministerstwo Cyfryzacji, jest dostępny dla wszystkich od 24 lutego 2025. PLLuM jest oparty na modelach fundamentalnych Llama i Mistral i został wytrenowany na bazie około 150 miliardów tokenów wysokiej jakości tekstu w języku polskim. Dane zostały wyselekcjonowane i oczyszczone z uwzględnieniem poprawności językowej i różnorodności tematycznej. Zakres możliwości modelu obejmuje od 8 do 70 miliardów parametrów, co – według zapewnień resortu cyfryzacji – pozwala na dokładne tworzenie treści w języku polskim. Rodzina modeli PLLuM korzysta m.in. z mieszanki ekspertów oraz techniki RAG. Na początku 2025 na projekt PLLuM przeznaczono 14,5 mln zł. W 2025 udostępniono darmowy czat oparty na PLLuM 8x7b, który posiada filtr moderacyjny z myślą o ograniczeniu toksyczności rozmów i tworzenia niebezpiecznych instrukcji. Jeden z modeli PLLuM został wykorzystany w czacie pomagającym w załatwianiu spraw urzędowych w aplikacji mobilnej mObywatel. Asystent mObywatel ma być dostępny pod koniec 2025.

PLLuM

Logo PLLuM
Autor	Ministerstwo Cyfryzacji
Pierwsze wydanie	24 lutego 2025
Rodzaj	duży model językowy
Licencja	CC-BY-NC-4.0, Apache License 2.0, Llama 3.3 License[a]
Strona internetowa

PLLuM (ang. Polish Large Language Model) – rodzina otwartych dużych modeli językowych, zaprojektowanych specjalnie do przetwarzania i generowania tekstów w języku polskim. Rozwijana przez polskich ekspertów z dziedziny informatyki, lingwistyki oraz administracji publicznej w ramach projektu z udziałem Politechniki Wrocławskiej (lider konsorcjum), Instytutu Podstaw Informatyki PAN, Instytutu Slawistyki PAN, NASK, Ośrodka Przetwarzania Informacji oraz Uniwersytetu Łódzkiego. Projekt ma na celu wsparcie cyfryzacji usług publicznych, innowacji w biznesie oraz rozwoju kompetencji cyfrowych społeczeństwa. Model, zaprezentowany przez Ministerstwo Cyfryzacji, jest dostępny dla wszystkich od 24 lutego 2025^[1].

PLLuM jest oparty na modelach fundamentalnych Llama i Mistral^[2] i został wytrenowany na bazie około 150 miliardów tokenów wysokiej jakości tekstu w języku polskim. Dane zostały wyselekcjonowane i oczyszczone z uwzględnieniem poprawności językowej i różnorodności tematycznej^[3]. Zakres możliwości modelu obejmuje od 8 do 70 miliardów parametrów, co – według zapewnień resortu cyfryzacji – pozwala na dokładne tworzenie treści w języku polskim. Rodzina modeli PLLuM korzysta m.in. z mieszanki ekspertów oraz techniki RAG^[4].

Na początku 2025 na projekt PLLuM przeznaczono 14,5 mln zł^[5].

W 2025 udostępniono darmowy czat oparty na PLLuM 8x7b, który posiada filtr moderacyjny z myślą o ograniczeniu toksyczności rozmów i tworzenia niebezpiecznych instrukcji^[6][7]. Jeden z modeli PLLuM został wykorzystany w czacie pomagającym w załatwianiu spraw urzędowych w aplikacji mobilnej mObywatel. Asystent mObywatel ma być dostępny pod koniec 2025^[8][9].

Zobacz też

[edytuj | edytuj kod]

• Bielik

Uwagi

[edytuj | edytuj kod]

1. ↑ W zależności od konkretnego modelu PLLuM

Przypisy

[edytuj | edytuj kod]

1. ↑ Polska buduje własną sztuczną inteligencję – PLLuM gotowy do działania – Ministerstwo Cyfryzacji – Portal Gov.pl [online], Ministerstwo Cyfryzacji [dostęp 2025-02-24] .
2. ↑ MarcinM. Bokszczanin MarcinM., Mamy kolejny polski model AI – PLLuM w końcu zadebiutował [online], HomoDigital – Subiektywnie o technologii., 25 lutego 2025 [dostęp 2025-05-04] .
3. ↑ PiotrP. Bednarski PiotrP., Przetestowaliśmy polski model PLLuM [online], Fakty i Analizy, 24 lutego 2025 [dostęp 2025-02-24] .
4. ↑ KrzysztofK. Pasławski KrzysztofK., PLLuM – polski model językowy AI już dostępny [online], CRN, 24 lutego 2025 [dostęp 2025-02-24] .
5. ↑ Premiera PLLuM, czyli “Polacy nie gęsi…” i swój chat AI mają [online], evertiq.pl, 2025 [dostęp 2025-03-02] .
6. ↑ PLLuM Chat [online], pllum.clarin-pl.eu [dostęp 2025-05-28] .
7. ↑ Ograniczenia modeli generatywnych. Cz. I. Toksyczność i bezpieczeństwo – PLLuM Blog [online], pllum.org.pl [dostęp 2025-05-28] .
8. ↑ Asystent AI w mObywatelu i urzędzie? Rząd udostępnia polski model PLLuM [online], Bankier.pl, 24 lutego 2025 [dostęp 2025-03-02] .
9. ↑ Polska buduje własną sztuczną inteligencję – PLLuM gotowy do działania [online], Ministerstwo Cyfryzacji, 24 lutego 2025 [dostęp 2025-05-28]  (pol.).

Linki zewnętrzne

[edytuj | edytuj kod]

• PLLuM [online], konsorcjum PLLuM . strona główna serwisu
• PLLuM Chat [online], konsorcjum PLLuM . strona główna serwisu
• Ministry of Digital Affairs of Poland [online], Hugging Face  (ang.).

• p
• d
• e

Generatywna sztuczna inteligencja

Pojęcia	autoenkoder dostrajanie duży model językowy efekt Waluigi inżynieria podpowiedzi mieszanka ekspertów Model Context Protocol model fundamentalny osadzanie słów papuga stochastyczna RAG RLHF sieć generatywna GAN transformer transformer wizyjny uczenie głębokie vibe coding
Modele	Tekst Bielik Claude DeepSeek ERNIE Gemma Gemini Grok GPT ChatGPT Llama Mistral PLLuM Qwen Mowa 15.ai ElevenLabs Obraz GPT Image 1 Midjourney Qwen-Image Stable Diffusion Programowanie Claude Code Copilot Cursor(inne języki) Kimi Qwen3-Coder Wideo Sora
Agent AI	AutoGLM AutoGPT ChatGPT Deep Research Manus

• p
• d
• e

Sztuczna inteligencja

Główne cechy	automatyczne planowanie bezpieczeństwo integracja systemów(inne języki) inteligentny agent przetwarzanie języka naturalnego robotyka rozpoznawanie obrazów rozumowanie oparte na wiedzy ogólna sztuczna inteligencja samodoskonalenie
Filozofia	chiński pokój etyka paradoks Moraveca sztuczna świadomość test Turinga
Pojęcia	benchmark dolina niesamowitości funkcja aktywacji funkcja softmax funkcja sigmoidalna funkcja ReLU halucynacja klasteryzacja inżynieria podpowiedzi mechanizm uwagi metoda gradientu prostego metoda gradientu sprzężonego autoregresja osadzanie słów parametr hiperparametr propagacja wsteczna obciążenie regresja kompromis między obciążeniem a wariancją podwójny spadek nadmierne dopasowanie RAG regularyzacja RLHF splot uczenie antagonistyczne uczenie przez wzmacnianie zbiór danych
Zastosowania	agent AI Model Context Protocol model językowy duży model językowy model rozumujący sieć neuronowa uczenie głębokie uczenie maszynowe
Implementacje	Audio-wizualne rozpoznawanie pisma ręcznego OCR synteza mowy 15.ai ElevenLabs rozpoznawanie mowy rozpoznawanie twarzy(inne języki) tekst-do-obrazu DALL-E Stable Diffusion Midjourney tekst-do-wideo Kuaishou Sora Veo Tekstowe Bielik Claude Copilot DeepSeek Gemma Gemini GPT ChatGPT Grok IBM Watson Llama Perplexity AI PLLuM Qwen Decyzyjne AlphaGo samochód autonomiczny wybór akcji AutoGPT
Architektury	autoenkoder autoenkoder wariacyjny konwolucyjna sieć neuronowa perceptron wielowarstwowy rekurencyjna sieć neuronowa długa pamięć krótkotrwała (LSTM) sieć generatywna GAN transformer transformer wizyjny