Kacper Wikieł
CEO / Research
Odpowiada za badania, modele i sprzedaż. Autor polish-dynaword i kursu „LLM od zera”, z doświadczeniem w AI/ML oraz wdrożeniach dla przedsiębiorstw.
Fabryka AI / Nasza misja
Polskie AI.
Otwarte z założenia.
Budujemy ekosystem do hostowania otwartych modeli w suwerennej polskiej infrastrukturze.
Jesteśmy polskim laboratorium AI rozwijającym modele z otwartymi wagami. Naszym celem są najlepsze w swojej klasie modele, otwarte dane i benchmarki oraz infrastruktura w kraju.
01 / Zasady
Misja przed zyskiem.
Fabryka AI jest spółką nastawioną na zysk, ale zysk nie jest naszym celem nadrzędnym.
Gdy zysk i misja stają w sprzeczności, wybierzemy misję. Nie zamkniemy tego, co wypuściliśmy jako otwarte. Zyski przeznaczamy na badania i moc obliczeniową. Nie sprzedamy się nikomu, kto chciałby to zamknąć.
02 / Po co to robimy
Własne modele. Własne kompetencje.
Chcemy, żeby polskie firmy mogły korzystać z AI rozwijanego i utrzymywanego w kraju. Budujemy lokalną alternatywę dla wysyłania danych i opłat za każde zapytanie do zagranicznych dostawców.
W wielu zastosowaniach liczy się jedno dobrze wykonane zadanie: odczyt dokumentu, ekstrakcja danych czy poprawne wywołanie narzędzia przez agenta. Dlatego zaczynamy od małych, wyspecjalizowanych modeli. Naszym celem jest dorównywanie najlepszym modelom ogólnym lub przewyższanie ich w konkretnych zadaniach, przy niższym koszcie użycia.
Same otwarte wagi to za mało. Potrzebne są również dane, proces treningu i ewaluacje, które pozwalają sprawdzić wynik oraz odtworzyć drogę do niego.
03 / Plan rozwoju
Rośniemy krok po kroku.
0,3–1 mld parametrów
Modele do konkretnych zadań: rozumienia dokumentów, ekstrakcji danych i wywoływania narzędzi. Każdy przechodzi tę samą drogę: publiczny benchmark, przygotowanie danych, dostrajanie, otwarte wagi i raport, a następnie API.
2–4 mld parametrów
Szersze zadania na bazie sprawdzonego procesu. Każdy kolejny etap ma weryfikować nasze metody i zarabiać na utrzymanie oraz dalsze badania.
Polski model ogólny poniżej 30 mld parametrów
Docelowy duży trening na danych i infrastrukturze zbudowanych po drodze. Ambicją jest model należący do najlepszych w swojej klasie, z publicznie sprawdzalnymi wynikami.
04 / Otwarty rozwój
Modele, dane, benchmarki — wszystko na stole.
Chcemy publikować modele wraz z raportami i benchmarkami, a dane wraz z opisem pochodzenia i licencji. Otwartość ma umożliwiać niezależną weryfikację, odtwarzanie wyników i współpracę z researcherami.
Rozwijamy ten kierunek przez polish-dynaword, ZusWaveBench i Open PL LLM Leaderboard. Dane i ewaluacje są fundamentem kolejnych modeli, a nie dodatkiem do premiery.
CodeSOTA pomaga nam rozumieć, do jakich zadań ludzie szukają modeli. Publiczne porównania mają wskazywać, co warto trenować — a potem pokazać, czy osiągnęliśmy cel.
05 / Od badań do produktu
API już dziś. Własne modele w kolejnych krokach.
API Bielika już działa. Udostępnienie modeli PLLuM przez API jest planowane.
Będziemy tworzyć dedykowane endpointy dla modeli dostosowanych do potrzeb firm i instytucji. Planujemy wsparcie fine-tuningu — dostrajania modeli na własnych danych — oraz hostowanie ich dostrojonych wersji w polskiej infrastrukturze.
Model biznesowy zaczynamy od rozliczanego za tokeny API na własnych GPU. Kolejnym etapem mają być modele dla klientów, w tym sektora regulowanego: dostrajane na ich danych i wdrażane u nas lub na ich infrastrukturze. Rozwój własnego modelu bazowego ma otworzyć drogę do usług dalszego dostrajania.
06 / Zespół
Badania i inżynieria pod jednym dachem.
Arkadiusz Słota
Co-founder / Engineering
Odpowiada za inżynierię, infrastrukturę i produkt. Rozwija datasety, ewaluacje i infrastrukturę treningową, wykorzystując doświadczenie w systemach przemysłowych i agentowych.
07 / Cel
Polska, która współtworzy AI.
Chcemy uczynić z Polski liczący się kraj w AI opartym na otwartym rozwoju. Budujemy modele, infrastrukturę i kompetencje, z których mogą korzystać kolejne polskie produkty. Wartość z badań i wykorzystania AI powinna powstawać także tutaj.