BASAL 2.0 + BASAL-OMNI
basal-2.0 czyta tekst. basal-omni przyjmuje także obrazy i nagrania. Ty opisujesz pytania i dozwolone odpowiedzi. Model wybiera z nich — lokalnie, z informacją o pewności.
Modele System-1 · klasyfikator definiowany przy każdym zapytaniu
Ta sama idea dynamicznego klasyfikatora. Wybierz modele tekstowe do szybkiej automatyzacji albo multimodalne, gdy odpowiedź jest w obrazie lub nagraniu.
Szybkie decyzje w Twoim procesie.
Wiadomości, dokumenty, RAG i wybór kolejnego narzędzia agenta. Do 255 opcji w pytaniu, wiele pytań o wspólny kontekst. mini, 4.5B i max bazują na Bieliku; pico na Qwen3.5.
Wagi na Hugging Face: kolekcja basal-2.0 · bf16, FP8, GGUF, MLX
pico: plik GGUF 812 MB, także na CPU. Zobacz wyniki i film →
NVIDIA GPU · Mac / MLX · Ollama / llama.cpp
Uruchom model tekstowyDecyzja także z tego, co widać i słychać.
Zdjęcie dokumentu, fotografia produktu, nagrana prośba klienta. Przekaż media i zapytaj o ich treść, bez osobnego etapu OCR lub transkrypcji. Baza: Gemma 4.
Wagi na Hugging Face: kolekcja basal-omni-1.0 · bf16. Nowe od soboty 17.10, 9:00: ultra (31B, także FP8 dla vLLM) i eksperymentalny max 1.1, trenowany na zadaniach silnika 2.1.
Podgląd basal-omni-2.0-mini: tylko tekst, silnik 2.8.0, finalna rodzina 2.0 później. Zobacz wyniki i ograniczenia →
NVIDIA GPU · bf16 / eager · ok. 16 GB mini, 24 GB max, GPU 80 GB ultra
Uruchom model multimodalnybasal-omni to pierwsze wydanie z mediami: obraz i dźwięk korzystają z możliwości modelu bazowego bez dodatkowego treningu multimodalnego. Kalibracja pochodzi z tekstu. ultra czyta tekst i obrazy, bez dźwięku. Sprawdź wyniki i ograniczenia →
Nie trenujesz osobnego modelu dla każdej listy kategorii. Opisujesz je w zapytaniu. Następne pytanie może już dotyczyć innego procesu.
Tekst do basal-2.0. Tekst, obraz lub dźwięk do basal-omni.
„Przesyłka dotarła uszkodzona”Który zespół? Jak pilne? Jakie tematy? Kilka pytań o jeden kontekst w tym samym wywołaniu.
Sprzedaż · Reklamacje · LogistykaOdbierz wynik i prawdopodobieństwa. Aplikacja wykonuje kolejny krok lub kieruje sprawę do człowieka.
Reklamacje → kolejka konsultantachoice jedna opcjanoul tak / niescore ocenamulti wiele etykietact akcja z kosztamitool narzędzie agentaclassifyverifycompressextract zadania · basal 2.1Wszystkie schematy ↗Wszędzie tam, gdzie kolejny krok procesu zależy od treści dokumentu, wiadomości lub nagrania. Opisujesz pytanie i dozwolone odpowiedzi, a model zwraca decyzję z poziomem pewności.
Zweryfikuj dokumentację zamówienia: przepływ dokumentów i niezgodności kwot. Połącz księgowość, dokumenty produkcyjne i WZ. Model rozpoznaje dokumenty i odczytuje pola, a aplikacja porównuje kwoty i wskazuje rozbieżności do wyjaśnienia.
Zamówienie · WZ · Faktura · Inny dokumentZobacz w Basal Lab ↗ POCZTA / ZGŁOSZENIAPrzypisz wiadomość do zespołu, oceń pilność i rozpoznaj tematy. Kilka pytań o jeden mail w jednym wywołaniu.
Zespół · Pilność 1–5 · TematyZobacz w Basal Lab ↗ UMOWY / REGUŁYSprawdź reklamację, wniosek albo umowę względem reguł opisanych zwykłym językiem, bez trenowania nowego klasyfikatora.
„Czy brakuje protokołu szkody?” → tak / nieZobacz w Basal Lab ↗ WIEDZA / RAGSprawdź, czy fragmenty z wyszukiwania odpowiadają na pytanie i czy odpowiedź modelu generatywnego ma pokrycie w źródle, zanim zobaczy ją użytkownik.
Ma pokrycie · Częściowo · Brak pokryciaZobacz w Basal Lab ↗ AGENCI / AUTOMATYZACJEWybierz akcję albo narzędzie z definicji OpenAI lub MCP. Niepewne przypadki skieruj do człowieka.
szukaj_zamówienia · wyślij_maila · do człowiekaZobacz w Basal Lab ↗ OBRAZ I DŹWIĘK / BASAL-OMNIZadaj te same pytania do skanu faktury, zdjęcia uszkodzonej przesyłki albo nagrania rozmowy. Wydanie eksperymentalne.
Awaria · Zwrot opłaty · OddzwonienieZobacz w Basal Lab ↗
Silnik basal 2.2 krok po kroku: oznaczone przykłady, raport bez zapisu, certyfikowane progi dopasowane na Twoich danych i serwer z nowym plikiem kalibracji.
Obejrzyj film o kalibracji
Od jednej wiadomości do decyzji: dynamiczny klasyfikator, prawdopodobieństwa, koszty i sześć typów pytań basal.
Obejrzyj, jak działa model decyzyjny
Każdy typ pytania na pełnym przykładzie JSON: od choice, noul i score przez multi, act i tool po SOAM, kalibrację oraz zadania classify, verify, compress i extract.
Obejrzyj film o schematach i zadaniachWerdykt to nasz ukryty benchmark: 10 kategorii po polsku i angielsku. Pokazujemy sześć modeli basal oraz punkty odniesienia — model API, otwarty model, Jev 1.14, Liquid d1-ultra i Respan Span-02 w dwóch ustawieniach: z rozumowaniem i bez niego (jeden przebieg, jak basal).
basal-2.0 stawia na szybkość i wybór sprzętu. basal-omni także odpowiada na tekst; jego ultra (31B) ma najwyższą trafność w rodzinie basal.
To wyniki na tekście. Jakość obrazu i dźwięku pokazujemy w drugiej zakładce.
Zobacz wszystkie systemy ↗Czas i koszt: krótszy pasek = lepiej. Skale od zera do maksimum w tym zestawieniu.
Werdykt PL+EN: basal-omni-max 82,28%, omni-mini 76,88%. basal-2.0: max 78,40%, 4.5B 72,86%, mini 61,84%. Wyniki i warunki pomiaru →
Werdykt mierzy decyzje tekstowe. Pełne dane i warunki porównania są w benchmarku.
Pięć małych polskich prób, od obrazu dokumentu po intencję rozmówcy. Tutaj wejściem jest rzeczywisty obraz lub dźwięk.
Ultra najlepiej odczytuje obrazy, ale nie przyjmuje dźwięku. Max lepiej wypada na obrazach dokumentów niż mini. Mini lepiej odczytuje nagrania. Wielkość modelu nie zastępuje testu konkretnego zadania.
Wydanie eksperymentalne. Mała próba, kalibracja z tekstu. W pełnej tabeli porównasz media z tekstem i modelem bazowym.
Pełne wyniki multimodalne ↗Trafność z mediów · skala 0–100% · więcej = lepiej
Wyniki pięciu prób znajdziesz w tabeli multimodalnej →.
omni-probe-pl · 160 + 150 pytań o obrazy, 140 + 100 + 45 o nagrania. To osobne próby, a nie wynik w Werdykcie.
Poprzednia odpowiedź zmienia pytanie, typ operacji i listę kolejnych opcji.
Zobacz, jak działa ↗
Obraz dokumentu trafia do modelu. Pytania zamieniają jego treść w decyzje.
Obejrzyj analizę dokumentów ↗
Nagranie, pytania o sens rozmowy i wybrana ścieżka dalszej obsługi.
Posłuchaj i zobacz wynik ↗Nagrania pokazują wcześniejsze wersje modeli; wersję i rzeczywiste pomiary podajemy przy każdym przypadku. Otwórz katalog zastosowań →
Konfigurator silnika 2.5: sprzęt, modele, cache, repliki i kaskady krok po kroku. Gotowy skrypt instaluje wydanie 2.8.0.
Uruchom basal-2.0 do tekstu albo basal-omni do obrazów i dźwięku. Oba przyjmują pytania przez POST /v1/systemone. Zmieniasz model, zachowujesz sposób integracji.
Aktualny silnik: basal 2.8.0. Nowości 2.5 oraz poprawki błędów z 2.5.1–2.8.0. Poznaj serwer inferencji → · Obejrzyj filmy o 2.5 →
Pełna dokumentacja# 1. Utwórz środowisko (wymaga uv)
uv venv --python 3.12 --allow-existing ~/basal-env
source ~/basal-env/bin/activate
# 2. Zainstaluj PyTorch i silnik
uv pip install torch==2.11.0 \
--index-url https://download.pytorch.org/whl/cu128
uv pip install "basal[fp8] @ https://github.com/rkinas/basal/archive/refs/tags/v2.1.0.tar.gz"
# 3. Uruchom model (bf16; port FP8: Remek/basal-2.0-4.5B-FP8 --mode fp8)
basal-serve --model Remek/basal-2.0-4.5B \
--mode fast --template-prefix off --port 8000Zainstaluj uv i sterownik obsługujący CUDA 12.8 (B300 i HP ZGX Nano (Nvidia DGX Spark): cu130). Pierwszy start kompiluje model przez kilka minut. Wszystkie karty: instrukcja sprzętowa.
basal-2.0 służy do decyzji na tekście. basal-omni obsługuje też media w zgodnych modelach i backendach. Silnik 2.5 uruchamia tekstowe decyzje omni również w fast, MLX i innych wspieranych trybach. Dobierz port modelu oraz backend do sprzętu i rodzaju wejścia.
Standardowo zwraca typowaną decyzję i prawdopodobieństwa dozwolonych odpowiedzi. Do napisania maila lub streszczenia użyj modelu generatywnego; basal może wybrać ścieżkę, ocenić dane albo sprawdzić wynik. Eksperymentalny tryb myślenia basal-2.0 4.5B opisujemy w artykule o wydaniu.
Router wielu GPU, kaskady, blend, rezerwa LLM, kontrola pewności i panel na żywo. Są też szybszy start, nowe formaty ultra, cache na Macu i integracje dla aplikacji oraz agentów. Nowości są w większości opcjonalne; zalecana instalacja 2.8.0 zawiera poprawki błędów z 2.5.1–2.8.0. Poznaj nowości 2.5 →
Obrazy i nagrania dźwiękowe do 30 sekund, także obok tekstu w jednym zapytaniu (ultra: tylko obrazy). Ten release nie przyjmuje pliku wideo bezpośrednio. W aplikacji możesz wcześniej wyodrębnić klatki filmu i ścieżkę audio.
Nie. Po pobraniu wag uruchamiasz model na własnym sprzęcie i sam kontrolujesz aplikację oraz jej połączenia. Do samej inferencji nie jest potrzebne zewnętrzne API.
To skalibrowana ocena modelu, a nie gwarancja poprawności. Próg dobierz na przykładach ze swojego procesu. basal-omni korzysta z kalibracji dopasowanej na tekście; wymaga osobnego sprawdzenia na obrazach i nagraniach. Poznaj pomiary kalibracji →
Silnik 2.5: nowe możliwości, zmierzone wyniki, warunki porównań i ograniczenia. Zobacz też, co naprawia aktualizacja 2.5.1.
Budujesz z basal? Dodaj swoje zastosowanie ↗
Zobacz, kto używa basal →