← Inferencja Inferencja · Bielik

Bielik 11B v3.1
na Twoim własnym GPU.

Najnowszy Bielik — otwarty polski model językowy od SpeakLeash i ACK Cyfronet AGH, wydany 10 listopada 2026. Serwowany przez vLLM na dedykowanym GPU w Polsce, za endpointem /v1 zgodnym z OpenAI.

Które GPU wystarczy

Model z opublikowanych wag
Twórca
SpeakLeash · ACK Cyfronet AGH
Wydany
10 listopada 2026
Parametry
11 168 796 672 (11.2B)
Licencja
Apache 2.0
Kontekst
32 768 tokenów
Języki
57 tagów językowych · zoptymalizowany pod polski
Architektura
dekoder typu Llama · 50 warstw
Atencja
GQA · 32 głowice query / 8 KV · wymiar głowicy 128
Słownik
32 128 tokenów
Szablon czatu
wywołania narzędzi · tryb rozumowania (think)
Model szkicowy
DFlash · 1 174 455 552 (1.2B) parametrów · dekodowanie spekulatywne
Wagi na Hugging Face →
Które GPU wystarczy wolne tokeny pamięci KV
Wagi Rozmiar RTX 5090 · 32 GBDGX Spark · 128 GBH200 · 141 GB
BF16 22,34 GB 31 542mniej niż jedna pełna sekwencja453 41713 × sekwencji z pełnym kontekstem510 54615 × sekwencji z pełnym kontekstem
FP8 dynamic 11,44 GB 84 7652 × sekwencji z pełnym kontekstem506 64015 × sekwencji z pełnym kontekstem563 76917 × sekwencji z pełnym kontekstem
NVFP4 6,66 GB 108 1053 × sekwencji z pełnym kontekstem529 98016 × sekwencji z pełnym kontekstem587 10917 × sekwencji z pełnym kontekstem
AWQ 4-bit 6,19 GB 110 4003 × sekwencji z pełnym kontekstem532 27516 × sekwencji z pełnym kontekstem589 40417 × sekwencji z pełnym kontekstem

Pamięć, którą bierze vLLM (90% GPU), minus wagi, podzielona przez 204 800 B pamięci KV w BF16 na token (2 × 50 warstw × 8 głowic KV × 128 × 2 B). Jedna rozmowa z pełnym kontekstem 32 768 tokenów to jedna sekwencja.

Jak jest serwowany jeden najemca na GPU
Endpoint
/v1 zgodne z OpenAI — chat, completions, streaming.
Silnik
vLLM, format wag do wyboru: BF16, FP8 lub NVFP4.
Przyspieszenie
Opcjonalne dekodowanie spekulatywne DFlash z oficjalnym modelem szkicowym Bielika.
Najem
Jeden klient na GPU — nikt inny nie uruchamia na nim zapytań.
Lokalizacja
Polska, UE — na maszynach, które sami posiadamy i utrzymujemy.
Rozliczenie
Za godzinę pracy GPU, USD + VAT. Dłuższe bloki wyceniamy indywidualnie.

Uruchom Bielika na własnym GPU.

Napisz, jakiego obciążenia się spodziewasz i ile kontekstu potrzebujesz — format wag i maszyna wynikną z tego. Odpowiedź w ciągu jednego dnia roboczego.

hello@robertz.co

Jeszcze nie działa

Sprawdzamy zainteresowanie.

Zbieramy informacje, czy jest zapotrzebowanie, by uruchomić tę usługę. Daj nam znać, że jej chcesz — uruchomimy ją szybciej :)

Daj znać