DYSTRYBUCJA
Codesota
Data terminal: rejestr środowisk RL i SOTA-with-code. ~20k użytkowników / mies.
Bez ściemy. Dziś jesteśmy grupą, która robi research i ma działające produkty wokół polskiej AI. Własnego konkurencyjnego modelu jeszcze nie ma — to cel, dla którego zbieramy ludzi. Artefakty są dowodem, model jest celem, społeczność jest mechanizmem.
Teraz pracujemy nad: przekrojowym setem benchmarków, żeby zmierzyć Bielik vs Qwen / Gemma. Pomiar to nie ranking dla rankingu — chcemy zobaczyć, gdzie są luki i jak budować dane pod SFT / CPT, żeby z bazy zrobić model SOTA. metodologia →
Data terminal: rejestr środowisk RL i SOTA-with-code. ~20k użytkowników / mies.
Codzienny pomiar popytu na modele na OpenRouter — kto wygrywa użycie.
Outcome-Grounded Routing for Multimodal LLM Agents — opublikowany, z danymi z własnego ruchu.
Benchmark polskiego rozumowania urzędowego: administracja, podatki, ZUS, e-government. Live.
Tokenizer tnący polskie słowa po prefiksach, rdzeniach i końcówkach, a potem na fonemy. Repo.
Polskie modele jako OpenAI-compatible API, SDK i agenci (ROBOTNIK, Rocky) — wdrożone i używane.
Zrobiliśmy kilka eksperymentów z treningiem małego LLM w 100% from scratch — do celów edukacyjnych. Tak uczymy się i pokazujemy, jak naprawdę powstaje model.
Zmierzyliśmy bazę na zewnętrznej suicie (multi-seed, held-out). Werdykt i wyniki są jawne.
Czego jeszcze nie ma: własnego konkurencyjnego polskiego modelu open-weight. Nie ma też pełnej księgi runów z realnymi kosztami — automatyczny pomiar runów dopiero wpinamy. Nie udajemy liczb, których nie zmierzyliśmy.
Konkurencyjny polski open-weight: jawna receptura, held-out ewaluacja, lineage danych, koszt wpisany w wynik.
Prawno-urzędowe i egzaminacyjne — dekontaminacja, held-out. To nasz moat.
Wchodzisz na dowolnym poziomie — z realnym creditem za wkład.
Trenujesz prawdziwe modele i robisz prawdziwe eksperymenty na tanim, otwartym stacku. Od zera do reprodukowalnego wyniku w dni — nie tutorial w próżni, skondensowana praktyka.
Repo, PR-y i wyniki są jawne, atrybuowane i cytowalne. Proof-of-work, który pokażesz pracodawcy i peerom — Twoje nazwisko przy realnych badaniach. Dla early-career to waluta.
GPU (H100 / 3090), datasety, harness ewaluacyjny i baza wiedzy (Prophet). Działające środowisko badawcze za darmo — sam nie postawisz H100 ani nie zdobędziesz czystego korpusu IFC.
Wchodzisz zielony (good-first-issue, tutorial) i rośniesz do realnych badań — fork + PR, zero gatekeepingu. Dostajesz prawdziwą recenzję: ktoś wejdzie w Twój pomysł głęboko. Mentoring i pętla zwrotna, nie nauka w samotności.
Suwerenne polskie AI i model dla budownictwa (IFC). Misja, w którą można wierzyć, i zastosowanie w realu — nie zabawka.
Najmocniejszy pitch: przyspieszone realne doświadczenie + publiczny, opisany dorobek + dostęp do zasobów, których solo nie masz. Twarde, sprawdzalne korzyści — nie „mamy fajną kulturę".