Co to jest LLM?

Trzy słowa, w kolejności, która ma znaczenie

Rozłóżmy nazwę od tyłu.

Model. Model to funkcja, która zamienia dane wejściowe na wyjściowe, według reguł wyuczonych z danych, a nie zapisanych ręcznie przez programistę. Model pogodowy bierze dzisiejsze odczyty i zwraca jutrzejszą prognozę. Model językowy bierze tekst i zwraca prawdopodobieństwo tego, co nastąpi dalej.

Językowy. Dane wejściowe i wyjściowe to tekst, podzielony na tokeny, czyli fragmenty słów. Czym są tokeny w AI opisuje tę jednostkę; w skrócie model czyta i pisze we fragmentach mniej więcej trzech czwartych słowa.

Duży. Model ma bardzo dużą liczbę parametrów, czyli wewnętrznych liczb dostrajanych przez trening. GPT-2 w 2019 roku miał 1,5 miliarda. GPT-3 w 2020 roku miał 175 miliardów. Katalog wyceniany przez tę stronę w 2026 roku obejmuje model Qwen z 2,4 biliona parametrów, z czego około 95 miliardów jest aktywnych przy pojedynczym tokenie. Słowo "duży" wykonuje w tej nazwie sporo pracy, a liczba wzrosła ponad tysiąckrotnie w siedem lat.

LLM to więc bardzo duży predyktor kolejnego tokena. Każda inna cecha, którą mu się przypisuje, rozumowanie, ton, pewne siebie pomyłki, wynika właśnie z tego jednego zadania.

LLM to nie chatbot, i ta różnica to cały produkt

ChatGPT to aplikacja. GPT to model w jej wnętrzu. Claude to zarówno rodzina modeli, jak i aplikacja, którą Anthropic buduje wokół nich. Gemini w Google działa tak samo. Czym jest chatbot AI opisuje warstwę aplikacji; ta strona dotyczy silnika.

Rozróżnienie przestaje być akademickie w chwili, gdy dowiesz się, że silnik można wymienić. To samo okno czatu może wysłać twoją wiadomość do GPT, Claude, Gemini, DeepSeek albo Llamy, a odpowiedzi różnią się tonem, kosztem, szybkością i trafnością. Wielomodelowe środowisko pracy, takie jak Whizi, to dokładnie to: jedno okno, 280+ modeli za nim i selektor pozwalający wybrać, który odpowiada. Aplikacja jest kierownicą. LLM jest silnikiem, a silników są dziesiątki.

Jak trenuje się LLM, w dwóch etapach

Etap pierwszy, pretrening. Model czyta ogromne korpusy tekstu i przy każdej pozycji próbuje odgadnąć kolejny token. Każde błędne zgadnięcie lekko przesuwa parametry. Meta podała, że Llama 3 była pretrenowana na ponad 15 bilionach tokenów, co przy około 100 000 tokenów na 75 000-wyrazową powieść (trzy czwarte słowa na token) daje tekst mniej więcej 150 milionów książek. Po tym etapie model jest znakomitym autouzupełnianiem i słabym asystentem: zapytaj go o coś, a może kontynuować trzema kolejnymi pytaniami, bo tak często działa tekst w internecie.

Etap drugi, post-trening. Modelowi pokazuje się przykłady dobrych odpowiedzi, a ludzie oceniają, która z dwóch odpowiedzi jest lepsza; proces ten nazywa się uczeniem ze wzmocnieniem na podstawie ludzkiej informacji zwrotnej, czyli RLHF. Stąd bierze się zachowanie asystenta: odpowiadanie w formacie, o który poprosiłeś, i odmawianie niektórych próśb. To trening zachowania, nie nowa wiedza. Fakty nadal pochodzą z etapu pierwszego.

Z tych dwóch etapów wynikają dwie rzeczy. Wiedza modelu kończy się na dacie, w której zamknięto dane pretreningowe, dlatego każdy model ma datę odcięcia wiedzy. I żaden z etapów nie instaluje mechanizmu sprawdzania faktów: model nauczył się tworzyć prawdopodobny tekst, a potem tekst, który się podoba. Prawda jest częstym efektem ubocznym obu, a nie gwarancją. Dlaczego AI się myli rozwija ten wątek.

Dlaczego LLM przewiduje zamiast wyszukiwać

Wyszukiwarka pobiera dane. Ma indeks stron i zwraca te, które pasują. LLM nie ma żadnego indeksu. Wszystko, co przeczytał podczas pretreningu, zostało skompresowane w jego parametrach, a w momencie odpowiedzi model odtwarza tekst z tej kompresji, token po tokenie, wybierając każdy token z rozkładu prawdopodobieństwa.

Dlatego LLM potrafi napisać działający przepis na danie, którego nazwy nigdy nie widział, i dlatego samo potrafi też stworzyć nieistniejące odniesienie do wyroku sądowego. Obie rzeczy to wiarygodne kontynuacje. Model nie ma osobnego mechanizmu sprawdzającego, czy wiarygodna kontynuacja jest prawdziwa.

Rozwiązanie, po które sięgają produkty, to dołożenie wyszukiwania: najpierw przeszukaj sieć albo twoje pliki, a potem podaj modelowi fragmenty i poproś o odpowiedź na ich podstawie. Ta technika nazywa się RAG, a czym jest RAG to wyjaśnia. Wyszukiwanie w sieci w obrębie aplikacji czatowej to RAG z internetem jako źródłem. Model nadal przewiduje; po prostu przewiduje na podstawie lepszego materiału.

Co kupujesz za cenę w obrębie jednej rodziny, zmierzone

Każda rodzina ma drabinę: mały model, średni i flagowiec. Artificial Analysis Intelligence Index, złożony wynik oparty na publicznych testach rozumowania, kodowania i wiedzy, nadaje liczbę każdemu szczeblowi, a ranking podaje obok niej łączną cenę za milion tokenów. Cztery poniższe drabiny odczytano 2026-09-17.

OpenAI kupuje 15 punktów za 18-krotną stawkę, Anthropic 35 punktów za 36-krotną, Qwen 19 punktów za 16-krotną. DeepSeek łamie ten wzorzec: V4 Flash punktuje wyżej niż V4 Pro za mniej niż połowę ceny. Wynikają z tego dwie rzeczy. W obrębie jednej rodziny ostatnie kilka punktów jest najdroższych, więc przy krótkim pytaniu faktograficznym mały model da tę samą odpowiedź co flagowiec. A między rodzinami cena jest słabym drogowskazem jakości: DeepSeek V4 Flash za $0.27 za milion tokenów punktuje o dwa punkty wyżej niż Claude Sonnet 5 za $5.09. To najbardziej przydatna rzecz do zapamiętania o LLM-ach dla kupującego: model to pokrętło, nie stały koszt. Whizi liczy według tej samej logiki, jeden kredyt za wiadomość na modelu domowym, 20 za Claude Opus 5, i aż 100 za najdroższe pozycje, co jak działają kredyty Whizi rozkłada na poszczególne modele.

Uczciwe zastrzeżenie jest takie, że złożony indeks to średnia z zadań. Przy długim łańcuchu rozumowania flagowiec zarabia na swoją cenę; przy przepisaniu tekstu już nie. Dla porównania, w czym każda rodzina jest naprawdę dobra, który model AI wybrać to strona decyzyjna.

Czego LLM nie potrafi, w jednej liście

Wszystko poniżej wynika z architektury, to nie błąd, który naprawi kolejne wydanie.

• Nie może wiedzieć niczego po dacie odcięcia treningu, chyba że wyszukiwanie poda mu tekst.
• Nie potrafi wiarygodnie liczyć na długich danych wejściowych, bo działa w tokenach i prawdopodobieństwach, a nie w pętli po elementach.
• Nie potrafi zweryfikować własnego wyniku; drugie przejście tego samego modelu to ten sam predyktor zgadujący ponownie.
• Nie potrafi zapamiętać cię między rozmowami, chyba że produkt zapisuje notatki i wkleja je z powrotem; ta pamięć to funkcja produktu, nie modelu.
• Nie widzi całej rozmowy na zawsze. Każdy model ma okno kontekstu, maksymalną ilość tekstu, jaką może naraz rozważyć, a czym jest okno kontekstu tłumaczy, co się dzieje, gdy je osiągniesz.

Praktyczny wniosek: traktuj LLM jak biegłego, czasem błędnego współpracownika i zostaw weryfikację po swojej stronie biurka. Pętla, która zmienia model w coś działającego samodzielnie, to inna sprawa, a czym jest agent AI wyznacza tę granicę. Przy czymkolwiek z kosztem w tle zapytaj drugi model. Zgoda dwóch różnych predyktorów to słaby dowód; niezgoda to mocny sygnał, żeby sprawdzić.