Co kryje się w nazwie modelu AI?

A35B to część, która pracuje

W nazwie Qwen3-Coder-480B-A35B-Instruct symbol A35B oznacza 35 miliardów aktywnych parametrów. Parametry to wyuczone liczby, z których model jest zbudowany, a 480B tuż przed literą A mówi, że ma ich łącznie 480 miliardów. Tekst czyta i pisze w tokenach, czyli małych fragmentach słów, a przy każdym tokenie pracuje tylko 35B jego parametrów. Obie liczby widać na karcie modelu Qwen.

Litera A pojawia się, bo model jest mieszanką ekspertów (MoE), zbudowaną z wielu małych części, z których przy każdym tokenie pracuje tylko kilka. Każda z tych dwóch liczb odpowiada za inny koszt. Liczba łączna decyduje o zapotrzebowaniu na pamięć, bo wszystkie części muszą być załadowane i gotowe do pracy. Liczba aktywna mówi, ile pracy wymaga każdy token, a więc wyznacza szybkość i koszt działania. Dzięki takiemu podziałowi DeepSeek-V4.1-Flash, model o 552B, przy każdym czytanym tokenie angażuje tylko 8B.

W prezentacjach dostawców wraca pięć rodzin modeli: Qwen, DeepSeek, Gemini, GPT i Claude. Qwen i DeepSeek publikują pliki modeli razem z rozmiarami, Qwen wprost w nazwie, a DeepSeek na karcie modelu. Claude, GPT i Gemini w ogóle nie podają rozmiarów, więc ich nazwy rządzą się innymi regułami.

Jak czytać nazwę modelu?

Po rozbiciu nazwy Qwen na łącznikach wychodzi pięć części, a każda odpowiada na inne pytanie.

Qwen3 to rodzina wraz z generacją, a Coder to specjalizacja, bo ten model powstał z myślą o kodzie. Dalej idą dwa rozmiary, 480B łącznie i A35B aktywne. Instruct na końcu opisuje dostrojenie, tu pod kątem wykonywania poleceń. Qwen zaznacza też, że model działa wyłącznie w trybie, który nazywa non-thinking, czyli bez myślenia, więc odpowiada od razu, bez wcześniejszego rozważania problemu.

Rozmiary nie kończą się na miliardach. Qwen3.8-2.4T-A95B ma 2.4T parametrów. T oznacza bilion, czyli tysiąc miliardów, więc to 2 400B, a przy każdym tokenie pracuje z nich 95B.

Nazwa bez części A wymaga drugiego spojrzenia. Qwen3.6-27B jej nie ma, bo to model gęsty, który przy każdym tokenie używa wszystkich 27B swoich parametrów. Model OpenAI z otwartymi wagami, gpt-oss-120b, też nie ma części A, a mimo to jest mieszanką ekspertów, z 117B łącznie i 5.1B aktywnych. Nawet 120 w jego nazwie to liczba zaokrąglona, bo na karcie stoi 117B. Gdy nazwa czegoś nie mówi, trzeba zajrzeć na kartę modelu.

Oznaczenie takie jak FP8 albo BF16 podaje precyzję, czyli liczbę bitów, na których zapisany jest każdy parametr: 16 bitów (2 bajty) w BF16 i 8 bitów (1 bajt) w FP8. Qwen3.6-27B-FP8 to Qwen3.6-27B zapisany na 8 bitach, więc zajmuje mniej pamięci i nadal ma wszystkie 27B parametrów.

Liczba na końcu nazwy bywa też datą. DeepSeek udostępnił V4.1-Flash 10 września 2026, a 17 października wydał aktualizację o tej samej architekturze, nazwaną V4.1-Flash-1017 od miesiąca i dnia. Oznaczenia poziomów, takie jak Flash, Lite, Pro czy Mini, to osobna sprawa, bo każdy producent sam ustala, co znaczą.

Dlaczego 552B działa jak 8B?

W modelu MoE większość parametrów mieści się w wielu małych sieciach, czyli ekspertach. Dla każdego tokena router wybiera kilku z nich i tylko ci aktywni eksperci pracują, a reszta czeka w pamięci. Wynik ich pracy idzie dalej przez model w stronę odpowiedzi.

DeepSeek-V4.1-Flash ma 384 ekspertów wybieranych przez router. Dla każdego tokena router wskazuje 6 z nich, a za każdym razem dołącza jeszcze jeden ekspert współdzielony. Według DeepSeek daje to 8B aktywnych parametrów, gdy model czyta zapytanie, i 16B, gdy pisze odpowiedź, z 552B łącznie. Qwen3.6-35B-A3B działa tak samo, tylko w mniejszej skali: przy każdym tokenie pracuje 8 z jego 256 ekspertów plus jeden współdzielony, co daje 3B z 35B.

Po zestawieniu sześciu modeli widać, że w każdym MoE część aktywna to mniej niż 9% całości. DeepSeek-V4.1-Flash przy czytaniu używa 8B z 552B, czyli około 1,4%, i to najmniejszy udział na rysunku. Qwen3.8-2.4T-A95B i gpt-oss-120b wypadają blisko siebie, przy 95B z 2.4T (4,0%) i 5.1B z 117B (4,4%). Qwen3-Coder-480B-A35B-Instruct pracuje na 35B z 480B (7,3%), a Qwen3.6-35B-A3B na 3B z 35B (8,6%). Tylko gęsty Qwen3.6-27B używa wszystkiego, 27B z 27B.

Z pamięcią jest inaczej. Router może wskazać dowolnego eksperta dla następnego tokena, więc w pamięci trzeba trzymać ich wszystkich. Pamięć na same wagi można szybko oszacować: łączna liczba parametrów razy liczba bajtów na parametr. W BF16 wychodzi to około 2 GB na miliard parametrów, w FP8 około 1 GB, a przy 4 bitach 0,5 GB. Do tego dochodzi pamięć na kontekst i na oprogramowanie, które uruchamia model.

Weźmy dwa modele Qwen3.6. Qwen3.6-35B-A3B w BF16 potrzebuje około 70 GB na same wagi (35 × 2), choć na token aktywne są tylko 3B. Qwen3.6-27B-FP8 potrzebuje około 27 GB (27 × 1) i przy każdym tokenie używa wszystkich 27B. Część tej różnicy wynika z precyzji, ale nawet przy tym samym sposobie zapisu model MoE jest większy, 35B wobec 27B, a mimo to przy każdym tokenie wykonuje mniej pracy, dzięki czemu może odpowiadać szybko.

Co znaczą Flash, Sonnet i Luna?

Claude, GPT i Gemini są dostępne wyłącznie przez API, więc korzysta się z nich przez usługę producenta i nigdy nie dostaje się plików modelu. Ich nazwy zawierają numer generacji i nazwę poziomu, czyli stopnia wielkości albo szybkości w obrębie jednej rodziny. Do czego dany poziom służy, mówi dopiero opis samego producenta.

W tabeli są opisy samych producentów, wzięte z przeglądu modeli Claude firmy Anthropic, strony modeli OpenAI i strony modeli Gemini firmy Google. Nazwy i liczby w tym artykule podajemy tak, jak producenci opublikowali je 21 października 2026, a rodziny te są często aktualizowane. Ceny również często się zmieniają, a każdy producent publikuje je na własnej stronie z cennikiem.

Anthropic ocenia też cztery modele Claude względem siebie pod kątem szybkości: Fable jest wolniejszy, Opus umiarkowany, Sonnet szybki, a Haiku najszybszy. Wszystkie cztery przyjmują tekst i obrazy. Jeśli wybierają Państwo między Claude Opus a Sonnet, Anthropic radzi zacząć od Opus 5.5 w większości zastosowań.

Okno kontekstu, czyli ilość tekstu, którą model przyjmuje naraz, wynosi według producentów 1 mln tokenów we wszystkich czterech modelach Claude, w Gemini 4 Argon i w Gemini 3.8 Flash. OpenAI podaje 1,05 mln dla trzech flagowych modeli: GPT-6 Astra, GPT-6.1 Sol i GPT-6 Luna. Strona Google o Gemini 3.8 dodaje, że Gemini 3.8 Flash generuje do 64 tys. tokenów odpowiedzi i ma regulowany poziom myślenia (niski, średni lub wysoki).

OpenAI opisuje GPT-6.1 Sol jako model o osiągach niemal takich jak GPT-6 Astra, choć Astra ma niższy numer, więc wyższy numer generacji nie oznacza wyższego poziomu.

Przy słowie Flash trzeba uważać, bo dwóch producentów używa go w różnych znaczeniach. Flash od DeepSeek to model z otwartymi wagami o 552B, który DeepSeek określa jako „najmniejszy model w naszej nowej rodzinie architektury, z natywnym rozumieniem wizualnym”. Flash od Google to szybki poziom rodziny zamkniętej, a jego rozmiaru Google nie podaje. Gdy więc dostawca mówi, że uruchamia Flash, warto dopytać, czyj.

Które modele można uruchomić u siebie?

Modele Qwen, DeepSeek i gpt-oss opisane w tym artykule mają otwarte wagi, więc pliki modelu można pobrać i uruchomić na własnym sprzęcie, na warunkach dołączonej licencji. Otwarte wagi nie zawsze jednak oznaczają własny hosting, bo DeepSeek udostępnia V4.1-Flash także przez własne API pod nazwą deepseek-flash.

Zacząć trzeba od licencji. DeepSeek-V4.1-Flash ma licencję MIT, a gpt-oss-120b i trzy z czterech modeli Qwen są na licencji Apache 2.0. Największy z modeli Qwen, Qwen3.8-2.4T-A95B, ma własną licencję Qwen3.8-Max, więc nawet w jednej rodzinie warunki bywają różne. Kto porównuje Qwen vs DeepSeek z myślą o własnych serwerach, powinien przeczytać licencję, zanim ktokolwiek zamówi sprzęt.

Potem trzeba dobrać sprzęt na podstawie oszacowania pamięci. Opublikowane przez DeepSeek pliki zawierają wagi zapisane na 8 bitach (FP8), a przy 1 bajcie na parametr 552B daje około 552 GB samych wag. Oznacza to serwer z kilkoma GPU dla modelu, który przy każdym tokenie używa od 8B do 16B. OpenAI zapisuje wagi ekspertów gpt-oss-120b w 4-bitowym formacie MXFP4 i podaje, że dzięki temu można go „uruchomić na jednym GPU z 80 GB”.

Różnią się też dane wejściowe i styl odpowiedzi. DeepSeek-V4.1-Flash przyjmuje tekst i obrazy, a Qwen3.8-2.4T-A95B obsługuje wyłącznie tekst i zawsze rozważa problem przed odpowiedzią, w trybie, który Qwen nazywa trybem myślenia. Qwen3.6-35B-A3B robi tak domyślnie, ale można go przełączyć na odpowiadanie wprost.

Który model do jakiego zadania?

W obsłudze klienta model dostaje bardzo różne zadania. Rozmowa na żywo wymaga odpowiedzi, gdy rozmówca jest jeszcze na linii, a na podsumowanie wczorajszych rozmów nikt nie czeka. Tabela opiera się na opisach samych producentów, więc każdy wiersz to punkt wyjścia do testów, a nie ranking.

Rozmowa na żywo to najbardziej wymagający wiersz. Rozmówca słyszy każdą pauzę, a model jest tylko jednym z jej źródeł. W naszym artykule o tym, skąd się bierze opóźnienie na linii głosowej, rozkładamy tę pauzę na części, które da się zmierzyć.

Z wiersza pasującego do Państwa zadania warto wybrać dwa lub trzy modele i przetestować je na własnych nagranych rozmowach, z nazwami produktów, językami i pytaniami, które klienci naprawdę zadają. Każdy z nich ocenia się na samym zadaniu, na przykład po tym, czy podsumowanie zawiera godzinę oddzwonienia obiecaną rozmówcy.

Gdy dostawca prezentuje swoją ofertę, warto zapytać, jaki model działa w każdym kroku, od rozmowy na żywo po kierowanie i podsumowanie po rozmowie, i poprosić o pełną nazwę, z numerem generacji i poziomem. Jedna nazwa na wszystkie kroki to powód do dodatkowego pytania, a o tym, co jeszcze sprawdzić, mówią nasze 30 pytań do dostawcy przed zakupem voice AI.

Gdzie w tym wszystkim DRING?

Stos technologiczny DRING nie zależy od jednego modelu. Modele mowy i rozumowania, na których działa każdy agent AI, dobieramy do języka i procesu, a dostawców rozpoznawania mowy, modelu językowego i syntezy mowy wybieramy osobno dla każdego agenta spośród czołowych firm. Każdy z nich można wymienić bez przebudowy, nie ruszając reszty stosu, jak opisujemy na stronie o warstwie modeli.

Proces można też przełączyć na inny model bez zmiany platformy, a gdy u dostawcy modelu pojawi się problem, rozmowa może awaryjnie przejść na model, który działa. Nasza strona dla dyrektorów IT omawia pytania, które w przeglądzie architektury padają jako następne.

Zmianę modelu testujemy jak uruchomienie. Każdy agent DRING przechodzi od 1 000 do 10 000 symulowanych rozmów, przygotowanych dla Państwa firmy, przed pierwszą prawdziwą rozmową. Mocniejszy model trafia na produkcję dopiero po przejściu testów regresji obejmujących cały stos, a wyniki porównujemy z poprzednim wydaniem, zanim cokolwiek zostanie wdrożone. Proszę nam powiedzieć, w którym kroku Państwa rozmów ma najpierw pracować model AI, a DRING oddzwoni w dwie minuty.