# Jak wybrać mniejszy model AI?

> Jak wybrać najmniejszy model AI, który dobrze wykonuje zadanie: ustalić próg jakości, testować od małych do dużych, sprawdzić oceny energii, mieć duży model w rezerwie.

Source: https://greenai.guide/pl/jak/jak-wybrac-mniejszy-model-ai/  
Updated: 2026-11-19

## W skrócie

Należy określić na prawdziwych przykładach, co znaczy „wystarczająco dobrze”, a potem testować modele od najmniejszego do największego i zatrzymać się na pierwszym, który spełnia wymagania. Małe modele dedykowane zadaniom mogą zużywać ułamek energii dużych modeli ogólnych: UNESCO i University College London podają oszczędności sięgające 90% w odpowiednich zadaniach.

## Steps

1. Zapisać zadanie i próg zaliczenia, np. odsetek odpowiedzi, które muszą być poprawne.
2. Zebrać od 20 do 50 prawdziwych przykładów do testów.
3. Najpierw wypróbować najmniejszy model lub wersję „mini”, a większy wybierać tylko wtedy, gdy mniejszy nie osiąga progu.
4. Sprawdzić publiczne oceny energii, np. AI Energy Score, jeśli są dostępne.
5. Zachować większy model na przypadki, z którymi mały sobie nie radzi.
6. Testować ponownie, gdy zmieniają się modele lub zadanie.

**Należy używać najmniejszego modelu, który spełnia próg jakości, a nie najbardziej zaawansowanego z dostępnych.**
Duży model ogólny przy każdym zapytaniu płaci za umiejętności, których dane zadanie może nigdy nie potrzebować.

## Dlaczego rozmiar modelu ma tak duże znaczenie? {#why-does-model-size-matter-so-much}

**Zwykle to największa pojedyncza dźwignia w zużyciu energii.** Luccioni, Jernite i Strubell ustalili, że
wielozadaniowe modele generatywne są o rzędy wielkości droższe w działaniu niż systemy dedykowane tym samym
zadaniom. UNESCO i University College London ustaliły, że małe modele dopasowane do konkretnych zadań mogą obniżyć
zużycie energii nawet o 90%.

## Jak testować kandydatów? {#how-do-i-test-candidates}

1. **Określić próg na własnej pracy**, np. „poprawnie odczytuje kwotę faktury w 98% przypadków”.
2. **Zaczynać od małych.** Wielu dostawców oferuje wersje „mini”, „lite” lub „flash”; rodziny modeli o otwartych
   wagach występują w kilku rozmiarach.
3. **Zatrzymać się na pierwszym, który zaliczy test.** W wąskich zadaniach większy model nie jest automatycznie
   dokładniejszy.
4. **Porównywać energię, nie tylko cenę.** AI Energy Score od Hugging Face ocenia otwarte modele w skali od jednej do
   pięciu gwiazdek według energii na zapytanie w typowych zadaniach; zob. [jak czytać ocenę AI Energy Score](/pl/jak/jak-odczytac-ocene-ai-energy-score/).

Ta sama zasada dotyczy zwykłych użytkowników: przy prostych pytaniach warto wybierać w chatbocie szybszą lub lżejszą
opcję.

## Częste błędy {#common-mistakes}

- **Wybór według renomy** zamiast testów na własnych przykładach.
- **Mierzenie kosztu na wywołanie, a nie na udany wynik.** Model zbyt mały, który zawodzi i wymusza ponowne
  uruchomienie na dużym, może w sumie kosztować więcej.
- **Brak ponownej oceny.** Małe modele szybko się poprawiają; warto testować je ponownie co kilka miesięcy.

Aby automatycznie kierować każde zapytanie do modelu właściwego rozmiaru, zob.
[kierowanie zapytań do mniejszych modeli](/pl/jak/jak-kierowac-zapytania-do-mniejszych-modeli/). Pełna metoda jest opisana w części
[wybór właściwego modelu](/pl/dobre-praktyki/wybor-wlasciwego-modelu-do-zadania/).

## Źródła

- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [AI Energy Score](https://huggingface.github.io/AIEnergyScore/), Hugging Face (2025)
