Przejdź do treści

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.

Co 1,03 mld dolarów dla AMI Labs znaczy dla lokalnych modeli AI
Spis treści
  1. Ile pieniędzy zebrało AMI Labs i od kogo?
  2. Czym są modele świata i czym różnią się od lokalnego LLM-a?
  3. Jakie modele można uruchomić lokalnie w 2026?
  4. Ile pamięci potrzebuje lokalny model?
  5. Ile kosztują lokalne modele w 2026?
  6. Czy finansowanie AMI Labs zmienia coś w lokalnych modelach AI?
  7. Najczęstsze pytania
  8. 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].

KryteriumModele świata (AMI Labs)Lokalne LLM (Bielik, Qwen3, Gemma 4)Chmurowe LLM
Co przewidujereprezentacje stanu i skutki działań [9]kolejny token, zgodnie z opisem AMI [4]kolejny token na serwerze dostawcy
Gdzie działainfrastruktura badawcza firmy [1]CPU, GPU lub Apple Silicon użytkownika [11]wyłącznie przez API
Co jest dostępne w 2026brak publicznego produktu [8]wagi i runtime, m.in. Ollama i LM Studio [11][12]abonament lub opłata za token
Licencjazamknięty 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].

ModelTypowe wariantyMocna stronaLicencja
Bielik v31,5B, 4,5B, 11Bpolski, ekstrakcja, tekst urzędowyApache 2.0 według karty modelu [13]
PLLuM 25124B, 8B, 12B, 70Badministracja, dialog, RAGApache 2.0 dla wariantu 12B-chat, warianty Llama pod licencją Llama [14]
Qwen3 / Qwen3.54B, 8B, 14B, 30B i większekod, rozumowanie, agencizależna od karty konkretnego modelu [15]
Gemma 4wybór rozmiarów zależnie od sprzęturozumowanie, kod, obrazzależna od karty modelu [16]
gpt-oss20B, 120Bstructured output, tool callingzależna od karty modelu [17]
DeepSeek-R18B, 14B i destylatymatematyka, rozumowanie krokowewagi 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 kwantyzacjiSensowny punkt startowy
2B–4B8–16 GB RAM lub pamięci wspólnej
7B–8Bokoło 8 GB VRAM albo 16 GB RAM
12B–14B12–16 GB VRAM albo 24 GB RAM
27B–32B24–32 GB VRAM lub RAM
70Bokoło 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

  1. Yann LeCun's AMI Labs raises $1.03B to build world models (TechCrunch, 2026)
  2. Former Meta A.I. Chief's Start-Up Is Valued at $3.5 Billion (The New York Times, 2026)
  3. Yann LeCun's AMI Labs secures $1B+ in bet on world models (PitchBook, 2026)
  4. AMI Labs: Real World. Real Intelligence. (AMI Labs, 2026)
  5. Yann LeCun's AMI Secures $1B Seed to Develop AI World Models (AIwire, 2026)
  6. Yann LeCun's AI Startup Raises $1 Billion, Names New CEO (Business Insider, 2026)
  7. Ami Labs - 2026 Company Profile, Team & Funding (Tracxn, 2026)
  8. Yann LeCun just raised $1bn to prove the AI industry has got it wrong (The Next Web, 2026)
  9. Yann LeCun's AMI Raises $1BN Seed Round - Is the World Model Era Finally Here? (Futurum Group, 2026)
  10. French AI Startup Building World Models Raises $1.03 billion (AI Business, 2026)
  11. Quickstart (Ollama, 2026)
  12. Download LM Studio - Mac, Linux, Windows (LM Studio, 2026)
  13. speakleash/Bielik-11B-v3.0-Instruct (Hugging Face, 2026)
  14. CYFRAGOVPL/PLLuM-12B-chat-2512 (Hugging Face, 2026)
  15. qwen3 (Ollama Library, 2026)
  16. gemma4 (Ollama Library, 2026)
  17. OpenAI gpt-oss (Ollama Blog, 2026)
  18. deepseek-r1:8b (Ollama Library, 2026)
  19. LLMzSzŁ: a comprehensive LLM benchmark for Polish (arXiv, 2025)
  20. System Requirements (LM Studio, 2026)
  21. Hardware support (Ollama, 2026)
  22. FAQ (Ollama, 2026)
  23. Ollama Pricing (Ollama, 2026)
  24. Bionic Pricing (LM Studio, 2026)
  25. EUR to PLN Exchange Rate: 1 EUR = 4.3689 PLN (Pluang, 2026)
  26. Release v0.40.4 (GitHub, 2026)
  27. Introducing LM Studio 0.4.0 (LM Studio Blog, 2026)
  28. Ollama: all aboard open models (Ollama Blog, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji