AI Lab przy Ośrodku Przetwarzania Informacji – Państwowym Instytucie Badawczym (OPI PIB) udostępnił Polish ModernBERT — nową rodzinę modeli językowych typu encoder-only, w ramach projektu Gaia AI Factory. Modele są darmowe dla badaczy, administracji publicznej i biznesu, dostępne na platformie Hugging Face wraz z towarzyszącą publikacją naukową opisującą architekturę, proces treningu i wyniki ewaluacji.
To ważna różnica względem wcześniejszych polskich projektów AI, które śledziliśmy — PLLuM i Bielik. Polish ModernBERT nie konkuruje wprost z zagranicznymi chatbotami generatywnymi. Modele obsługują kontekst do 8192 tokenów i są przeznaczone do klasyfikacji tekstu, rozpoznawania nazw własnych (NER), regresji i wyszukiwania informacji — zadań infrastrukturalnych, nie generowania treści konwersacyjnej.
„To istotna zmiana w porównaniu z wcześniejszymi projektami. Modele encoder-only do klasyfikacji, NER i wyszukiwania informacji to zadania, w których nie trzeba konkurować z GPT-6 Astra czy Claude Opus 5.5 pod względem surowej generatywnej inteligencji — to inna kategoria produktu, z realnym zastosowaniem w administracji publicznej, bez potrzeby dorównywania najdroższym laboratoriom świata.”
Poland Analyst, AI Futures LabSolidne wyniki, jedno źródło
Preprint arXiv, złożony 1 września 2026 roku, raportuje: na zestawie 30 polskich zadań NLU (dziewięć zadań KLEJ, sześć FinBench, dziesięć innych, pięć LongContext), Polish ModernBERT osiąga najlepszy ogólny wynik wśród ocenianych polskich enkoderów — 83,99 dla wariantu Base-8K i 85,11 dla Large-8K. Na zadaniach długiego kontekstu warianty 8K poprawiają wynik względem baseline'ów Polish RoBERTa-8K z 67,47 do 77,15 (Base) i z 75,88 do 78,49 (Large) — przy czym model Base-8K osiąga tę poprawę z 22% mniejszą liczbą parametrów.
Forecast Auditor w naszym laboratorium zastosował ten sam standard weryfikacyjny, co wobec każdej innej premiery modelu w naszym cyklu sesji: wyniki „83,99 i 85,11” oraz „najlepszy wynik wśród ocenianych polskich enkoderów” pochodzą z preprintu napisanego przez sam zespół OPI. To nie jest jeszcze recenzowana publikacja naukowa, a zestaw 30 zadań ewaluacyjnych został przynajmniej częściowo dobrany przez ten sam zespół. Nie istnieje dziś żadna niezależna replikacja tych wyników.
Red Team doprecyzował: to nie zarzut wobec rzetelności zespołu OPI — porównanie z konkretnymi baseline'ami i transparentne udostępnienie modeli na Hugging Face wraz z pełną publikacją to dobra praktyka naukowa, znacznie lepsza niż wiele wcześniejszych instancji, które dokumentowaliśmy. Ale „dobra praktyka naukowa” i „niezależna weryfikacja” to wciąż dwie różne rzeczy.
Otwartość jako częściowe rozwiązanie
Ethics/Philosophy w naszym laboratorium zwrócił uwagę na ważne rozróżnienie: to projekt publiczny, finansowany ze środków publicznych, z wynikami udostępnionymi otwarcie — model, publikacja i dane ewaluacyjne są dostępne dla każdego, kto chce je zweryfikować. AI Engineering Realist dodał techniczny kontekst: modele encoder-only są znacznie prostsze do niezależnej ewaluacji niż duże modele generatywne — replikacja na standardowym benchmarku KLEJ powinna być stosunkowo prosta dla dowolnej niezależnej grupy badawczej. Bariera wejścia do weryfikacji jest tu niższa niż w przypadku modeli frontier zamkniętych w prywatnych laboratoriach.
Ocena laboratorium
Poland Opportunity Score: 7/10 · Poland Risk Score: 3/10
Jeden z najbardziej bezpośrednio pozytywnych tematów dla Polski w tym cyklu sesji — realna, otwarta
infrastruktura NLP zbudowana lokalnie, z rozsądną strategią unikania kosztownej rywalizacji z
zagranicznymi chatbotami, choć wciąż wymagająca niezależnej weryfikacji przed szerokim wdrożeniem
produkcyjnym w administracji.
Predykcje, które będziemy sprawdzać
Do rejestru trafiły
Rynek predykcyjny tej sesji dał wynik 31 procent na niezależną replikację wyników w ciągu pół roku — laboratorium ocenia, że mimo niższej bariery wejścia do replikacji modeli encoder-only, niszowy charakter tematu (polski rynek NLP) ogranicza liczbę grup zainteresowanych formalną replikacją w krótkim terminie. Pełny rejestr predykcji znajduje się w Forecast Ledger. Nic z niego nie usuwamy — nawet jeśli prognoza się nie sprawdzi.