News & analizy
Co 1,03 mld dolarów dla AMI Labs znaczy dla lokalnych modeli AI
Zaktualizowano: Autor: Andrzej Niemiec10 min czytania
AMI Labs zebrało 1,03 mld USD na modele świata. Sprawdzamy, co to znaczy dla lokalnych modeli AI w 2026: modele, pamięć, ceny i licencje.
Spis treści
- Ile pieniędzy zebrało AMI Labs i od kogo?
- Czym są modele świata i czym różnią się od lokalnego LLM-a?
- Jakie modele można uruchomić lokalnie w 2026?
- Ile pamięci potrzebuje lokalny model?
- Ile kosztują lokalne modele w 2026?
- Czy finansowanie AMI Labs zmienia coś w lokalnych modelach AI?
- Najczęstsze pytania
- Źródła
Ile pieniędzy zebrało AMI Labs i od kogo?
Rundę seed o wartości 1,03 mld USD, czyli około 890 mln EUR, AMI Labs ogłosiło 10 marca 2026 r. [1]. Wycena pre-money wyniosła 3,5 mld USD [2][3]. Rundę współprowadziły Cathay Innovation, Greycroft, Hiro Capital, HV Capital i Bezos Expeditions, a wśród uczestników byli NVIDIA, Samsung, Toyota Ventures, Temasek, Mark Cuban i Eric Schmidt [4][5].
Paryska spółka powstała po odejściu Yanna LeCuna z Meta. CEO jest Alexandre LeBrun, LeCun pełni funkcję executive chair, a firma działa lub rekrutuje w Nowym Jorku, Montrealu i Singapurze [4][6]. Około miesiąca po założeniu zatrudniała 12 osób, jak podał The New York Times [2]. Agregator Tracxn wskazywał 101 pracowników na 31 maja 2026 r., ale to dane katalogowe i sprzeczne z raportami redakcyjnymi [7]. W chwili finansowania firma nie miała komercyjnego produktu ani przychodu [8][1].
Czym są modele świata i czym różnią się od lokalnego LLM-a?
Modele świata przewidują stan otoczenia i skutki działań, a nie kolejny token w zdaniu. AMI chce uczyć je reprezentacji danych z kamer i sensorów, z pamięcią, rozumowaniem i planowaniem [4][9]. Podstawą jest JEPA, architektura LeCuna, która przewiduje reprezentacje zamiast odtwarzać każdy szczegół danych [9][10].
| Kryterium | Modele świata (AMI Labs) | Lokalne LLM (Bielik, Qwen3, Gemma 4) | Chmurowe LLM |
|---|---|---|---|
| Co przewiduje | reprezentacje stanu i skutki działań [9] | kolejny token, zgodnie z opisem AMI [4] | kolejny token na serwerze dostawcy |
| Gdzie działa | infrastruktura badawcza firmy [1] | CPU, GPU lub Apple Silicon użytkownika [11] | wyłącznie przez API |
| Co jest dostępne w 2026 | brak publicznego produktu [8] | wagi i runtime, m.in. Ollama i LM Studio [11][12] | abonament lub opłata za token |
| Licencja | zamknięty program badawczy [4] | zależna od modelu i jego karty [13] | regulamin dostawcy |
Deklarowane obszary zastosowań modeli świata to przemysł, automatyzacja, robotyka, urządzenia ubieralne i opieka zdrowotna. Nabla ma być wczesnym partnerem testującym zastosowania w medycynie [4]. To deklaracje, nie wyniki komercyjne.
Praktykę lokalnej inferencji opisuje hub lokalne modele AI. Tam są runtime, modele i wymagania sprzętowe, których AMI Labs jeszcze nie dostarcza.
Jakie modele można uruchomić lokalnie w 2026?
Nie ma jednego najlepszego modelu — wybór zależy od języka, zadania, pamięci i licencji [15][13]. Polski użytkownik ma dwie dojrzałe rodziny: Bielik v3 od SpeakLeash i ACK Cyfronet AGH oraz PLLuM 2512, rozwijany przez polskie instytucje badawcze [13][14].
| Model | Typowe warianty | Mocna strona | Licencja |
|---|---|---|---|
| Bielik v3 | 1,5B, 4,5B, 11B | polski, ekstrakcja, tekst urzędowy | Apache 2.0 według karty modelu [13] |
| PLLuM 2512 | 4B, 8B, 12B, 70B | administracja, dialog, RAG | Apache 2.0 dla wariantu 12B-chat, warianty Llama pod licencją Llama [14] |
| Qwen3 / Qwen3.5 | 4B, 8B, 14B, 30B i większe | kod, rozumowanie, agenci | zależna od karty konkretnego modelu [15] |
| Gemma 4 | wybór rozmiarów zależnie od sprzętu | rozumowanie, kod, obraz | zależna od karty modelu [16] |
| gpt-oss | 20B, 120B | structured output, tool calling | zależna od karty modelu [17] |
| DeepSeek-R1 | 8B, 14B i destylaty | matematyka, rozumowanie krokowe | wagi R1 na MIT, destylaty dziedziczą warunki modelu bazowego [18] |
Bielik-11B-v3.0-Instruct ma 11 mld parametrów i był trenowany na 32 językach europejskich z naciskiem na polski [13]. W benchmarku LLMzSzŁ model Bielik-11B-v2.1-Instruct zdobył 57,52 punktu i był najlepszym testowanym modelem poniżej 15B parametrów. Wynik dotyczy starszej wersji i jednego benchmarku, więc nie jest uniwersalnym rankingiem [19].
Sposób wyboru między architekturami gęstymi i MoE opisuje tekst MoE vs dense: kto wygrywa w lokalnych wdrożeniach AI. O tym, dlaczego same benchmarki nie wystarczą, pisze artykuł o rankingu modeli open source.
Ile pamięci potrzebuje lokalny model?
Widełki są planistyczne, nie gwarantowane [20]. Oficjalny przykład Ollama: Gemma 4 E2B ma około 7,2 GB pobierania i zalecane około 8 GB VRAM lub pamięci zunifikowanej [16]. Gdy zabraknie VRAM, część modelu trafia do RAM, a odpowiedzi zwalniają.
| Model po kwantyzacji | Sensowny punkt startowy |
|---|---|
| 2B–4B | 8–16 GB RAM lub pamięci wspólnej |
| 7B–8B | około 8 GB VRAM albo 16 GB RAM |
| 12B–14B | 12–16 GB VRAM albo 24 GB RAM |
| 27B–32B | 24–32 GB VRAM lub RAM |
| 70B | około 40–48 GB pamięci przy Q4 |
LM Studio podaje jako zalecane co najmniej 16 GB RAM na macOS z Apple Silicon M1–M4 oraz 16 GB RAM i 4 GB dedykowanego VRAM na Windows x64 z AVX2 lub Snapdragon X Elite [20]. Ollama działa też na samym CPU, używa Metal na Apple, a na kartach NVIDIA wymaga compute capability 5.0 i aktualnych sterowników [21]. Długi kontekst i równoległe zapytania zwiększają zapotrzebowanie na pamięć [21].
Porównanie dwóch platform sprzętowych pod lokalne modele znajdziesz w tekście Gorgon Halo kontra Strix Halo.
Ile kosztują lokalne modele w 2026?
Lokalne modele w Ollama są bezpłatne i bez limitu zapytań po stronie dostawcy, a logowanie nie jest wymagane [22]. Płatne są funkcje chmurowe: plan Pro kosztuje 20 USD miesięcznie lub 200 USD rocznie, Max 100 USD miesięcznie, Team 500 USD miesięcznie (stan na październik 2026) [23].
LM Studio oferuje darmowy plan lokalny oraz Bionic+ za 20 USD miesięcznie i Pro za 100 USD miesięcznie (stan na październik 2026) [24]. Kredyty w planach chmurowych resetują się co miesiąc i nie przechodzą na kolejny okres [23].
Ceny podajemy w USD, bo tak rozliczają się dostawcy. Przeliczenie na złote zależy od kursu banku lub operatora karty i od VAT; jako punkt odniesienia dla walut europejskich warto brać kurs z 15 października 2026 r., 1 EUR = 4,3689 PLN [25].
Czy finansowanie AMI Labs zmienia coś w lokalnych modelach AI?
Bezpośrednio nie. 1,03 mld USD trafiło do programu badawczego bez publicznego produktu [8][1]. Lokalne wdrożenia opierają się na open-weight modelach i runtime'ach: Ollama miała wersję v0.40.4 z 12 października 2026 r. [26], a LM Studio linię 0.4.x z serwerem bez GUI i równoległymi zapytaniami [27]. Ollama podawała w lipcu 2026 r. 8,9 mln deweloperów i finansowanie 88 mln USD [28].
Pośrednio zmienia horyzont. Jeśli modele świata trafią do robotyki i automatyzacji, wzrośnie popyt na inferencję blisko urządzenia, a nie tylko w chmurze. Dziś lokalne modele wybiera się głównie dla prywatności i braku opłaty za token [22]. Decyzję warto oprzeć na tym, co już działa, a nie na zapowiedziach.
Najczęstsze pytania
Czy AMI Labs naprawdę nie używa LLM-ów?
Firma pozycjonuje się jako alternatywa dla podejścia opartego wyłącznie na przewidywaniu następnego elementu języka [4]. Nie ogłosiła jednak zakazu używania komponentów językowych ani pełnej specyfikacji przyszłych modeli. To kierunek badawczy, a nie dowód, że LLM-y zostaną wyeliminowane.
Ile osób pracuje w AMI Labs?
Około miesiąca po założeniu firma zatrudniała 12 osób, jak podał The New York Times [2]. Późniejsze dane agregatora Tracxn mówią o 101 pracownikach na 31 maja 2026 r., ale są to dane katalogowe i nie ma potwierdzenia w raportach redakcyjnych [7].
Czy modele świata zastąpią lokalne LLM-y?
Nie ma na to dowodów. AMI Labs nie ma publicznego produktu ani przychodu [8], a lokalne modele są dostępne w gotowych wagach i działają na własnym sprzęcie [11]. To dziś dwie różne kategorie zastosowań, a nie konkurencja o to samo zadanie.
Ile kosztuje uruchomienie lokalnego modelu?
Same modele i runtime są bezpłatne, płaci się za sprzęt i energię [22]. Plany chmurowe Ollama zaczynają się od 20 USD miesięcznie, a LM Studio Bionic+ również od 20 USD miesięcznie (stan na październik 2026) [23][24].
Czy warto czekać na modele świata, zanim wdroży się lokalne AI?
Nie. Dostępne dziś modele, w tym Bielik v3 i PLLuM 2512, rozwiązują konkretne zadania tekstowe i administracyjne [13][14]. Modele świata pozostają projektem badawczym bez komercyjnego produktu, więc odkładanie wdrożenia nie daje przewagi.
Źródła
- Yann LeCun's AMI Labs raises $1.03B to build world models (TechCrunch, 2026)
- Former Meta A.I. Chief's Start-Up Is Valued at $3.5 Billion (The New York Times, 2026)
- Yann LeCun's AMI Labs secures $1B+ in bet on world models (PitchBook, 2026)
- AMI Labs: Real World. Real Intelligence. (AMI Labs, 2026)
- Yann LeCun's AMI Secures $1B Seed to Develop AI World Models (AIwire, 2026)
- Yann LeCun's AI Startup Raises $1 Billion, Names New CEO (Business Insider, 2026)
- Ami Labs - 2026 Company Profile, Team & Funding (Tracxn, 2026)
- Yann LeCun just raised $1bn to prove the AI industry has got it wrong (The Next Web, 2026)
- Yann LeCun's AMI Raises $1BN Seed Round - Is the World Model Era Finally Here? (Futurum Group, 2026)
- French AI Startup Building World Models Raises $1.03 billion (AI Business, 2026)
- Quickstart (Ollama, 2026)
- Download LM Studio - Mac, Linux, Windows (LM Studio, 2026)
- speakleash/Bielik-11B-v3.0-Instruct (Hugging Face, 2026)
- CYFRAGOVPL/PLLuM-12B-chat-2512 (Hugging Face, 2026)
- qwen3 (Ollama Library, 2026)
- gemma4 (Ollama Library, 2026)
- OpenAI gpt-oss (Ollama Blog, 2026)
- deepseek-r1:8b (Ollama Library, 2026)
- LLMzSzŁ: a comprehensive LLM benchmark for Polish (arXiv, 2025)
- System Requirements (LM Studio, 2026)
- Hardware support (Ollama, 2026)
- FAQ (Ollama, 2026)
- Ollama Pricing (Ollama, 2026)
- Bionic Pricing (LM Studio, 2026)
- EUR to PLN Exchange Rate: 1 EUR = 4.3689 PLN (Pluang, 2026)
- Release v0.40.4 (GitHub, 2026)
- Introducing LM Studio 0.4.0 (LM Studio Blog, 2026)
- Ollama: all aboard open models (Ollama Blog, 2026)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji