---
slug: "ai-na-codzien"
number: 2
title: "AI na co dzień – Porównanie narzędzi"
titleEn: "AI in Daily Use – Tool Comparison"
duration: "2 godziny"
tags: ["ChatGPT", "Claude", "Gemini", "Perplexity", "LM Studio", "Prywatność", "RODO", "OpenRouter", "Modele lokalne"]
instructor: "Artur Sendyka"
dates:
- group: "Grupa 1"
date: "21.04.2026"
time: "17:00–19:00"
- group: "Grupa 2"
date: "22.04.2026"
time: "17:00–19:00"
objectives:
- "Scharakteryzować różnice między głównymi narzędziami AI dostępnymi w 2026 roku"
- "Dobrać odpowiednie narzędzie do konkretnego zadania akademickiego"
- "Ocenić ryzyko prywatności danych przy pracy z narzędziami chmurowymi"
- "Zainstalować i uruchomić lokalny model językowy w LM Studio"
- "Wyłączyć trenowanie modelu na własnych danych w ChatGPT i Claude"
tools:
- "ChatGPT (chat.openai.com)"
- "Claude.ai (claude.ai)"
- "Gemini (gemini.google.com)"
- "Perplexity AI (perplexity.ai)"
- "LM Studio (lmstudio.ai)"
- "OpenRouter (openrouter.ai)"
description: "Praktyczne porównanie głównych narzędzi AI dostępnych w 2026 — od ChatGPT po lokalne modele — z naciskiem na dobór narzędzia do zadania i świadomość prywatności danych badawczych."
---
## Podsumowanie AI
- **Temat:** AI na co dzień – Porównanie narzędzi
- **Cel materiału:** Praktyczne porównanie głównych narzędzi AI dostępnych w 2026 — od ChatGPT po lokalne modele — z naciskiem na dobór narzędzia do zadania i świadomość prywatności danych badawczych.
- **Jak pracować z treścią:** czytaj sekcjami, testuj zrozumienie pytaniami i wykorzystuj AI do aktywnej powtórki.
## Wprowadzenie
W poprzednim module zbudowałeś/zbudowałaś fundament pojęciowy — wiesz już czym jest LLM, RAG i agent AI. Czas przejść od teorii do praktyki: **jakiego narzędzia używać i kiedy?**
W 2026 roku liczba dostępnych modeli i interfejsów jest przytłaczająca. Tylko przez OpenRouter masz dostęp do ponad 290 modeli od kilkudziesięciu dostawców. ChatGPT, Claude, Gemini — każde z tych narzędzi ma swoje mocne strony, ograniczenia i — co kluczowe dla studenta — **różne polityki prywatności danych**.
Ten moduł daje Ci mapę tego ekosystemu i kompas do podejmowania świadomych wyborów. Nie chodzi o to, żeby znaleźć „jedno najlepsze" narzędzie. Chodzi o to, żebyś wiedział/wiedziała **które narzędzie wybrać do konkretnego zadania** — i kiedy żadne z chmurowych nie powinno zobaczyć Twoich danych.
---
## 1. Mapa ekosystemu AI w 2026
### 1.1 Trzy kategorie narzędzi
Zanim przejdziemy do konkretnych produktów, warto zrozumieć podział rynku:
**Zamknięte modele chmurowe** to narzędzia firm takich jak OpenAI (ChatGPT), Anthropic (Claude) i Google (Gemini). Trenowane na ogromnych zbiorach danych, oferowane jako subskrypcje lub API. Twoje dane trafiają na serwery tych firm.
**Otwarte modele lokalne** to modele, których wagi są publicznie dostępne — Llama (Meta), Mistral, Phi (Microsoft), DeepSeek. Możesz uruchomić je na własnym komputerze przez LM Studio. Twoje dane **nie opuszczają komputera**.
**Agregatory i narzędzia hybrydowe** to serwisy takie jak OpenRouter (dostęp do 290+ modeli przez jedno API), Perplexity AI (wyszukiwarka z LLM), czy NotebookLM (RAG na Twoich dokumentach).
### 1.2 OpenRouter — jeden klucz do wszystkich modeli
[OpenRouter](https://openrouter.ai) to agregator API, który daje dostęp do ponad 290 modeli od wszystkich głównych dostawców przez jeden klucz API i jeden system rozliczeń. Nie dodaje marży na tokenach — pobiera jednorazową opłatę 5,5% przy zakupie kredytów.
**Dlaczego to ważne dla warsztatów?** Zamiast zakładać 5 osobnych kont i zarządzać 5 kluczami API, w ramach AI Literacy Lab każdy uczestnik dostał kredyty OpenRouter — i ma dostęp do wszystkich modeli omówionych w tym module przez jeden interfejs.
```text
Darmowe modele na OpenRouter (marzec 2026, bez karty kredytowej):
- Meta: Llama 4 Scout (10M context!)
- Google: Gemini 2.5 Flash 8B
- Mistral: Mistral 7B Instruct
- DeepSeek: DeepSeek V3.2 (256K context)
- NVIDIA: Llama 3.3 Nemotron 70B
Łącznie: 25+ modeli za $0
```
Limity darmowe: 20 zapytań/minutę, 200 zapytań/dzień — wystarczające do ćwiczeń.
---
## 2. Przegląd głównych narzędzi (stan marzec 2026)
### 2.1 ChatGPT (OpenAI)
**Czym jest:** Najbardziej rozpoznawalne narzędzie AI na świecie. W marcu 2026 działa na modelach rodziny GPT-5.2 i GPT-5.4 (w zależności od planu).
**Plany i limity (źródło: chatgpt.com/pricing, 27.03.2026):**
| Plan | Cena | Modele | Limity | Reklamy |
|---|---|---|---|---|
| Free | $0 | GPT-5.3 (ograniczony) | ~10 wiad./5h, potem downgrade | Tak (USA, od 02.2026) |
| Go | $8/mies. | GPT-5.2 | Wyższe, bez reklam | Nie |
| Plus | $20/mies. | GPT-5.4 Thinking | ~320 stron kontekstu, Deep Research 10×/mies. | Nie |
| Pro | $200/mies. | GPT-5.4 Pro (unlimited) | Bez limitów, 400K ctx | Nie |
**Mocne strony:** Ogromna baza użytkowników = bogata dokumentacja i pomoc online. Najszerszy ekosystem (DALL-E, Sora, Codex). Świetny do zadań kreatywnych i analizy kodu.
**Słabe strony:** Modele GPT-5.x na planie Free są mocno ograniczone. Od lutego 2026 Free ma reklamy (w USA). Polityka prywatności mniej transparentna niż Claude.
**Polityka prywatności i trening modelu:**
- **Domyślnie:** Twoje rozmowy mogą być używane do trenowania modeli
- **Opt-out:** Ustawienia → Kontrola danych → Wyłącz „Improve model for everyone"
- **API i plan Business/Enterprise:** Dane NIE są używane do trenowania domyślnie
> **Ważne dla studentów:** Jeśli wklejasz fragmenty niepublikowanej pracy badawczej, wyników badań lub danych osobowych respondentów — **wyłącz trenowanie lub użyj API / planu Business**.
### 2.2 Claude (Anthropic)
**Czym jest:** Model AI stworzony przez Anthropic z myślą o bezpieczeństwie i konstytucjonalnym AI. Wyróżnia się największym oknem kontekstu (1M tokenów) i świetną jakością analizy długich dokumentów.
**Plany i limity (źródło: claude.ai/pricing, 27.03.2026):**
| Plan | Cena | Modele | Charakterystyka |
|---|---|---|---|
| Free | $0 | Sonnet 4.6, Haiku 4.5 | ~10–15 wiad./sesję (nieoficjalnie), brak Projects |
| Pro | $20/mies. ($17 rocznie) | Opus 4.6 + Sonnet + Haiku | ~45 wiad./5h (nieoficjalnie), Projects, Claude Code, pamięć |
| Max 5× | $100/mies. | Jak Pro | 5× więcej niż Pro, Claude w PowerPoint |
| Max 20× | $200/mies. | Jak Pro | 20× więcej niż Pro, priorytet |
| Team | $25/seat/mies. | Jak Pro | Brak trenowania na danych domyślnie, admin |
| Enterprise | Custom | Jak Pro | SSO, SCIM, 500K ctx, HIPAA |
Anthropic oferuje **plan edukacyjny** dla uczelni — warto sprawdzić czy UJ posiada licencję instytucjonalną.
**Mocne strony:** Najlepszy do analizy bardzo długich dokumentów (1M tokenów = 750 tys. słów). Wysoka jakość writing i reasoning. Transparentna polityka bezpieczeństwa. Projekty (Projects) — Claude pamięta kontekst między sesjami.
**Słabe strony:** Anthropic nie publikuje dokładnych limitów wiadomości — trudno zaplanować intensywną pracę. Brak natywnej integracji z wyszukiwaniem w darmowym planie (tylko Pro).
**Polityka prywatności:**
- **Free/Pro:** Treści mogą być przeglądane przez pracowników dla bezpieczeństwa; możliwe użycie do trenowania (opt-out dostępny)
- **Team/Enterprise:** Brak trenowania na danych klientów domyślnie — kluczowe dla danych badawczych
### 2.3 Gemini (Google)
**Czym jest:** Model AI Google, głęboko zintegrowany z ekosystemem Google (Workspace, Dysk, Gmail). W marcu 2026 dostępne modele Gemini 3.x.
**Plany (źródło: one.google.com/about/ai-premium, 27.03.2026):**
| Plan | Cena | Modele | Charakterystyka |
|---|---|---|---|
| Free | $0 | Gemini 3 Flash (8B) | Ograniczone zapytania |
| Google AI Pro | ~$22/mies. | Gemini 3.1 Pro (1M ctx) | Integracja z Workspace |
| API (przez OpenRouter) | $2/1M input, $12/1M output | Gemini 3.1 Pro | Pay-per-use |
**Mocne strony:** Najlepsza integracja z Google Workspace (Docs, Sheets, Drive). Świetne do analizy obrazów i multimediów. Model Gemini 3 Flash jest darmowy i szybki dla prostych zadań.
**Słabe strony:** Dane powiązane z kontem Google — jeśli korzystasz z Google'a w celach prywatnych, Gemini ma dostęp do szerokiego kontekstu o Tobie. Gorszy od Claude w długich analizach dokumentów.
**Polityka prywatności:**
- Rozmowy mogą być przeglądane przez pracowników Google
- Historię można wyłączyć: Gemini → Kontrola aktywności Gemini
### 2.4 Perplexity AI
**Czym jest:** Wyszukiwarka z wbudowanym LLM — hybrid między Google a ChatGPT. Każda odpowiedź zawiera cytowania do aktualnych stron internetowych. **To narzędzie z RAG domyślnie**.
**Plany (źródło: perplexity.ai, 27.03.2026):**
| Plan | Cena | Charakterystyka |
|---|---|---|
| Free | $0 | Podstawowe wyszukiwanie, ograniczone Pro Searches |
| Pro | $20/mies. ($200/rok) | Unlimited Pro Searches, zaawansowane modele, upload plików, generowanie obrazów |
| Education Pro | $10/mies. (weryfikacja statusu studenta przez SheerID) | Wszystko co Pro, dostęp do Perplexity Academic |
| Max | $200/mies. | Unlimited wszystkiego, wczesny dostęp do nowych modeli |
> **Dla studentów UJ:** Sprawdź Perplexity Education Pro ($10/mies.) — po weryfikacji statusu studenta dostajesz pełny dostęp.
**Mocne strony:** Zawsze aktualne informacje z internetu. Cytowania ułatwiają weryfikację. Idealne do quick research i fact-checking. Tryb „Academic" przeszukuje recenzowane bazy.
**Słabe strony:** Nie zastąpi głębokiej analizy dokumentów. Jakość wychodzi poza wyszukiwaniem jest słabsza niż dedykowanych modeli.
**Kiedy używać Perplexity zamiast Google:**
- Chcesz syntetycznej odpowiedzi, nie listy linków
- Potrzebujesz aktualnych danych z cytatami
- Sprawdzasz czy artykuł/osoba istnieje
- Szybkie porównanie kilku źródeł
### 2.5 LM Studio — lokalne modele
**Czym jest:** Aplikacja desktopowa umożliwiająca uruchomienie modeli językowych w 100% lokalnie — na własnym komputerze, bez połączenia z internetem, bez wysyłania danych na zewnątrz.
**Aktualna wersja:** LM Studio 0.3.x (sprawdź [lmstudio.ai](https://lmstudio.ai) dla najnowszej)
**Wymagania sprzętowe:**
| Konfiguracja | Modele które uruchomisz | Przykład |
|---|---|---|
| 8GB RAM (bez GPU) | Modele 3–7B (jakość dobra) | Phi-4 Mini, Gemma 3 2B |
| 16GB RAM | Modele 7–13B (jakość bardzo dobra) | Mistral 7B, Llama 3.2 8B |
| 32GB RAM / GPU 12GB | Modele 13–30B (jakość frontier-like) | Qwen 2.5 14B |
| GPU 24GB+ | Modele 70B+ | Llama 4 Scout, Qwen 72B |
**Instalacja krok po kroku:**
1. Pobierz LM Studio z [lmstudio.ai](https://lmstudio.ai) (Windows/Mac/Linux)
2. Uruchom aplikację → zakładka **Discover**
3. W wyszukiwarce wpisz `phi-4-mini` (model ok. 2,5 GB, działa na 8GB RAM)
4. Kliknij **Download** → poczekaj na pobranie
5. Przejdź do zakładki **Chat** → wybierz pobrany model
6. Zacznij rozmawiać — wszystko działa lokalnie
**Mocne strony:** Pełna prywatność — zero wysyłania danych. Działa offline. Brak limitów zapytań. Możliwość pracy z danymi wrażliwymi (dane osobowe, niepublikowane wyniki badań).
**Słabe strony:** Modele lokalne są słabsze od frontier models. Wymaga miejsca na dysku (modele 2–40 GB). Na słabym sprzęcie generowanie jest wolne.
---
## 3. Tabela porównawcza — przewodnik decyzyjny
Poniższa tabela pomaga wybrać narzędzie do konkretnego zadania. Źródła: oficjalne strony narzędzi, zweryfikowane 27.03.2026.
| Kryterium | ChatGPT Plus | Claude Pro | Gemini Pro | Perplexity Pro | LM Studio |
|---|---|---|---|---|---|
| **Cena/mies.** | $20 | $20 | ~$22 | $20 ($10 edu) | Bezpłatne |
| **Darmowy tier** | Ograniczony, reklamy (USA) | Tak, bez reklam | Tak | Tak | — |
| **Okno kontekstu** | 320K (Plus) | 1M | 1M | ~200K | Zależy od modelu |
| **Aktualne dane** | Tak (web search) | Tak (web search Pro) | Tak | **Tak (domyślnie)** | Nie (offline) |
| **Prywatność** | Opt-out trenowania | Opt-out trenowania | Powiązane z Google | Opt-out | **Pełna — lokalnie** |
| **Najlepsze do** | Kreatywne, kod, ekosystem | Długie dok., analiza, pisanie | Google Workspace | Research, fact-checking | Dane wrażliwe, offline |
| **Słabe strony** | Limity, reklamy (Free) | Niepublikowane limity | Ekosystem Google | Nie zastąpi głębokiej analizy | Słabszy model, wolny |
| **Bezpłatny model** | GPT-5.3 (ograniczony) | Sonnet 4.6 (ograniczony) | Gemini 3 Flash | Podstawowe wyszukiwanie | Phi-4 Mini, Llama |
---
## 4. Prywatność i RODO — co musisz wiedzieć jako student-badacz
### 4.1 Co faktycznie wysyłasz do chmury?
Kiedy piszesz do ChatGPT, Claude czy Gemini, na serwery firmy trafiają:
- Treść Twoich promptów (wszystko co napiszesz)
- Treść wklejonych dokumentów i plików
- Historia rozmów (do momentu jej usunięcia)
- Metadane: czas, urządzenie, IP
### 4.2 Kiedy dane mogą trafić do treningu modelu?
Domyślnie — u **wszystkich darmowych dostawców** — tak. Możesz to wyłączyć:
**ChatGPT:**
```text
Ustawienia (ikona profilu) → Ustawienia → Kontrola danych
→ Wyłącz: "Popraw model dla wszystkich"
```
**Claude.ai:**
```text
Ustawienia → Prywatność
→ Wyłącz: "Ulepszaj produkty Anthropic"
(lub korzystaj z planu Team/Enterprise — tam domyślnie wyłączone)
```
**Gemini:**
```text
Konto Google → Dane i prywatność → Kontrola aktywności Gemini
→ Wyłącz historię aktywności Gemini
```
### 4.3 Trzy zasady bezpiecznego korzystania z AI w badaniach
**Zasada 1 — Dane osobowe respondentów:** Nigdy nie wklejaj do modeli chmurowych danych osobowych uczestników badania (imię, wiek, miejsce zamieszkania, odpowiedzi z wywiadu). To naruszenie RODO. Zanonimizuj dane **przed** wklejeniem.
**Zasada 2 — Niepublikowane wyniki badań:** Jeśli prowadzisz badania i masz wyniki, które jeszcze nie zostały opublikowane — nie wklejaj ich do modeli chmurowych bez opt-out trenowania lub bez planu Enterprise. Możesz stracić pierwszeństwo odkrycia.
**Zasada 3 — Dane wrażliwe = model lokalny:** Jeśli Twoje dane wymagają poufności (wywiad kliniczny, dane medyczne, wrażliwe dane socjoekonomiczne) — użyj LM Studio. Żadne dane nie opuszczą Twojego komputera.
### 4.4 RODO i modele AI
Rozporządzenie AI Act (UE) weszło w życie stopniowo w latach 2024–2026. Kluczowe z perspektywy studenta:
- Narzędzia AI do oceny studentów (np. systemów antyplagiatowych z AI) wymagają transparentności
- Przetwarzanie danych osobowych przez LLM podlega RODO — dostawcy (OpenAI, Anthropic, Google) muszą mieć DPA (*Data Processing Agreement*)
- Twoje dane przesyłane do serwerów USA są objęte mechanizmami transfer (Privacy Shield następca, SCC)
---
## 5. Dobór narzędzia do zadania — praktyczna matryca
Studenci WZiKS i ISI UJ mają różne potrzeby. Oto jak dobierać narzędzie:
| Zadanie | Rekomendowane narzędzie | Dlaczego |
|---|---|---|
| Szybkie sprawdzenie faktu / aktualności | **Perplexity AI** | RAG domyślnie, cytowania |
| Analiza długiego artykułu PDF | **Claude Pro** lub **NotebookLM** | 1M token context, RAG na plikach |
| Pisanie i korekta tekstu akademickiego | **Claude Pro** | Najlepsza jakość writing |
| Generowanie i debugowanie kodu | **ChatGPT Plus** lub **Claude Pro** | Oba bardzo dobre, Codex w ChatGPT |
| Praca z Google Docs/Sheets | **Gemini Pro** | Natywna integracja |
| Dane wrażliwe / praca offline | **LM Studio** | Pełna prywatność |
| Porównanie wielu modeli | **OpenRouter** | Jeden interfejs, 290+ modeli |
| Szybki chat bez rejestracji | **Claude Free** lub **ChatGPT Free** | Bez reklam (Claude), dobre modele |
| Streszczenie wielu własnych PDF-ów | **NotebookLM** (Google) | RAG na własnych dokumentach, bezpłatne |
---
## 6. Przebieg modułu — timeline
| Czas | Aktywność | Forma |
|---|---|---|
| 0–10 min | Ankieta wstępna: z jakich narzędzi już korzystasz? | Mentimeter |
| 10–30 min | Mini-wykład: mapa ekosystemu, przegląd narzędzi | Wykład + demo |
| 30–60 min | **Ćwiczenie 1:** Live comparison — to samo zadanie w 4 narzędziach | Praca w parach |
| 60–80 min | **Ćwiczenie 2:** Test prywatności — wyłączenie trenowania | Praca własna |
| 80–110 min | **Ćwiczenie 3:** Instalacja i konfiguracja LM Studio | Praca własna |
| 110–120 min | Podsumowanie, budowanie tabeli rekomendacji, Q&A | Dyskusja grupowa |
---
## 7. Ćwiczenia praktyczne
### Ćwiczenie 1 — Live Comparison: to samo zadanie, 4 narzędzia (30 min)
**Cel:** Zobaczyć różnice między narzędziami na własne oczy — nie z opisu, ale z praktyki.
**Przygotowanie:** Prowadzący dostarcza abstrakt artykułu naukowego (1 akapit po angielsku, z bazy Semantic Scholar). Każdy uczestnik otwiera 4 zakładki w przeglądarce.
**Zadanie:** Wklej do każdego narzędzia ten sam prompt:
```text
Jesteś asystentem badawczym. Przeczytaj poniższy abstrakt artykułu naukowego
i wykonaj następujące zadania:
1. Streszczenie w 2 zdaniach (po polsku)
2. Typ badania (jakościowe/ilościowe/mixed methods)
3. Główny wynik lub wniosek
4. Jedno ograniczenie badania, które dostrzegasz
Abstrakt: [wklej dostarczony abstrakt]
```
**Tabela oceny** (wypełnij dla każdego narzędzia):
| Kryterium | ChatGPT | Claude | Gemini | Perplexity |
|---|---|---|---|---|
| Poprawność streszczenia (1–5) | | | | |
| Poprawność typu badania (T/N) | | | | |
| Jakość języka polskiego (1–5) | | | | |
| Czy podało cytowania/źródła? | | | | |
| Czas odpowiedzi (sekundy) | | | | |
| Zauważone halucynacje? | | | | |
**Omówienie po ćwiczeniu:**
- Które narzędzie wypadło najlepiej? Dlaczego?
- Czy któreś podało fałszywe informacje?
- Czy Perplexity podało więcej kontekstu (RAG)?
### Ćwiczenie 2 — Test prywatności (20 min)
**Cel:** Świadome skonfigurowanie narzędzi pod kątem ochrony danych.
**Krok 1 — ChatGPT:**
1. Zaloguj się na chat.openai.com
2. Kliknij ikonę profilu (prawy górny róg) → Ustawienia
3. Zakładka **Kontrola danych** (lub Data controls)
4. Sprawdź czy opcja „Ulepsz model dla wszystkich" jest włączona
5. Wyłącz ją jeśli jest włączona
6. Sprawdź sekcję **Historii czatu** — kiedy historia jest wyłączona, rozmowy nie są zapisywane ani używane do trenowania
**Krok 2 — Claude.ai:**
1. Zaloguj się na claude.ai
2. Kliknij inicjały (prawy górny róg) → Ustawienia
3. Znajdź sekcję prywatności
4. Sprawdź opcje dotyczące trenowania modelu
**Krok 3 — Porównaj polityki:**
Wejdź na:
- [openai.com/policies/privacy-policy](https://openai.com/policies/privacy-policy)
- [anthropic.com/privacy](https://www.anthropic.com/privacy)
Odpowiedz na pytania:
- Jak długo dane są przechowywane domyślnie?
- Czy firmy mają DPA dla europejskich użytkowników?
- Co dzieje się z danymi po usunięciu konta?
### Ćwiczenie 3 — Instalacja i konfiguracja LM Studio (30 min)
**Cel:** Uruchomić lokalny model językowy i zrozumieć różnicę w prywatności.
**Krok 1 — Pobierz i zainstaluj:**
1. Wejdź na [lmstudio.ai](https://lmstudio.ai)
2. Pobierz wersję dla swojego systemu (Windows/Mac/Linux)
3. Zainstaluj — nie wymaga uprawnień administratora
**Krok 2 — Pobierz model:**
1. Uruchom LM Studio → zakładka **Discover** (lupa)
2. Wyszukaj: `microsoft/phi-4-mini-instruct`
3. Kliknij Download Q4_K_M (około 2,5 GB — dobry balans jakości i rozmiaru)
4. Poczekaj na pobranie (zależy od łącza, ~5–10 min na dobrym WiFi)
**Krok 3 — Pierwsza rozmowa lokalnie:**
1. Zakładka **Chat** (ikona wiadomości)
2. Z listy modeli wybierz pobrany phi-4-mini
3. Zadaj to samo pytanie co w Ćwiczeniu 1
4. Porównaj jakość z odpowiedziami z chmury
**Krok 4 — Weryfikacja prywatności:**
1. Odłącz komputer od sieci WiFi
2. Zadaj pytanie w LM Studio — czy nadal działa?
3. Otwórz Menedżera zadań/Activity Monitor podczas rozmowy
4. Sprawdź czy LM Studio wykonuje jakiekolwiek połączenia sieciowe
**Pytania do refleksji:**
- W jakich sytuacjach na studiach możesz potrzebować modelu lokalnego?
- Jak jakość phi-4-mini porównuje się z Claude czy ChatGPT?
- Jaki jest kompromis: prywatność vs. jakość modelu?
---
## 8. Narzędzia i zasoby
### Linki do omówionych narzędzi
| Narzędzie | Link | Darmowe konto |
|---|---|---|
| ChatGPT | [chat.openai.com](https://chat.openai.com) | Tak (z reklamami w USA) |
| Claude | [claude.ai](https://claude.ai) | Tak (bez reklam) |
| Gemini | [gemini.google.com](https://gemini.google.com) | Tak (konto Google) |
| Perplexity | [perplexity.ai](https://perplexity.ai) | Tak; edu: $10 |
| LM Studio | [lmstudio.ai](https://lmstudio.ai) | Tak (aplikacja) |
| OpenRouter | [openrouter.ai](https://openrouter.ai) | Tak (25+ modeli gratis) |
| NotebookLM | [notebooklm.google.com](https://notebooklm.google.com) | Tak |
### Przydatne narzędzia pomocnicze
- **DeepL** ([deepl.com](https://deepl.com)) — tłumaczenie artykułów naukowych na język roboczy
- **Kalkulator tokenów** ([langcopilot.com/tools/token-calculator](https://langcopilot.com/tools/token-calculator)) — sprawdzanie kosztów przed wysłaniem zapytania
- **Porównywarka modeli AI** ([lmsys.org/chatbot-arena](https://lmsys.org/chatbot-arena)) — community ranking modeli w zadaniach praktycznych
---
## 9. Pytania kontrolne
Po module odpowiedz na poniższe pytania:
1. Masz przeprowadzić wywiad z 20 respondentami i chcesz użyć AI do transkrypcji i analizy. Które narzędzie wybierzesz i dlaczego? Jakie kroki podejmiesz aby zapewnić zgodność z RODO?
2. Piszesz pracę dyplomową i potrzebujesz AI do korekty językowej polskiego tekstu (50 stron). ChatGPT Free, Claude Free, czy LM Studio — co wybierasz i dlaczego?
3. Na której stronie w ustawieniach ChatGPT można wyłączyć używanie rozmów do trenowania modelu? Opisz ścieżkę klikania.
4. Twój kolega twierdzi, że „Perplexity jest lepsze od Google Scholar do szukania artykułów". Zgadzasz się? Kiedy tak, kiedy nie?
5. Komputer koleżanki ma 8GB RAM i brak dedykowanej karty graficznej. Który model polecisz jej w LM Studio i dlaczego?
6. Jaka jest różnica między planem Free a Pro w Claude pod względem prywatności danych? Kiedy ta różnica ma znaczenie?
---
## 10. Materiały do dalszej nauki
- **Oficjalne porównanie modeli Anthropic:** [anthropic.com/claude/compare](https://www.anthropic.com/claude/compare)
- **OpenRouter modele i ceny (aktualizowane codziennie):** [openrouter.ai/models](https://openrouter.ai/models)
- **LMSYS Chatbot Arena** — crowdsourced benchmark modeli na prawdziwych zadaniach: [lmsys.org/chatbot-arena](https://lmsys.org/chatbot-arena)
- **Perplexity Education Pro** — weryfikacja statusu studenta przez SheerID: [perplexity.ai/hub/education](https://www.perplexity.ai/hub/education)
- **Polityka prywatności OpenAI:** [openai.com/policies/privacy-policy](https://openai.com/policies/privacy-policy)
- **Polityka prywatności Anthropic:** [anthropic.com/privacy](https://www.anthropic.com/privacy)
- **AI Act UE — podsumowanie dla użytkowników:** [digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai)
- **LM Studio dokumentacja i poradniki:** [lmstudio.ai/docs](https://lmstudio.ai/docs)
## FAQ (rozwiń)
Jak najlepiej uczyć się z tego materiału?
1. Przeczytaj całość raz bez notowania.
2. Wypisz 3 najważniejsze pojęcia i 3 pytania, które masz po lekturze.
3. Wykonaj mini-ćwiczenie: streść materiał własnymi słowami w 5-7 punktach.
Czy mogę używać AI do wyjaśniania trudnych fragmentów?
Tak. Najlepiej wklejać konkretny fragment i prosić model o:
- wyjaśnienie prostym językiem,
- przykład praktyczny,
- pytanie kontrolne sprawdzające zrozumienie.
Jak zweryfikować poprawność odpowiedzi modelu?
- porównuj odpowiedź z treścią tego pliku,
- sprawdzaj pojęcia w wiarygodnych źródłach,
- nie kopiuj bezrefleksyjnie wygenerowanych wniosków.
Co zrobić, jeśli materiał jest za długi?
Podziel go na sekcje i pracuj etapami: sekcja -> streszczenie -> pytania -> test wiedzy.
## Ucz się z tym plikiem MDX w narzędziach AI