GLM-5.2 to praktycznie Opus — za jedną piątą ceny

O czym jest ten film

1. Autor zestawił GLM-5.2 z Opusem 4.8 na około czterdziestu zadaniach: od scen 3D w WebGL, przez interaktywne wyjaśniacze i dashboardy, po pełne aplikacje, landing page’y i gry.
2. Punkt wyjścia: benchmarki są nasycone — oba modele punktują podobnie, więc o różnicach decyduje „smak”, czyli estetyka i staranność wykonania.
3. W większości pokazanych prób GLM-5.2 wypada lepiej niż Opus: czystsza mgławica 3D, elegancki materiał o powstawaniu tęczy, ładniejszy przelot nad proceduralnym terenem, lepsze landing page’y.
4. Najsłabszy teren GLM to gry — działają, ale np. „układanie wieży” biegnie tak szybko, że gra staje się nie do wygrania.
5. Rdzeń poradnika: podpięcie GLM-5.2 do Claude Code przez OpenRouter — rejestracja, klucz API, konfiguracja wykonana przez agenta i weryfikacja w świeżym katalogu.
6. Cała zamiana modelu opiera się na jednej zmiennej: anthropic_base_url — Claude Code da się przekierować na dowolny model o zgodnym API.
7. Pułapka: GLM nie ma wbudowanego wyszukiwania w sieci; autor radzi doinstalować Exa.ai (na start ok. 10 dolarów darmowych kredytów).
8. Ten sam schemat działa w Open Code i Crush (instalacja przez Homebrew) — wystarczy wkleić agentowi zrzut ekranu z instrukcją.
9. Cztery drogi zakupu: abonament z.ai (do 80 dolarów miesięcznie), OpenRouter z płatnością za token, hostingi bezpośrednie (Fireworks, DeepInfra, GMI) oraz self-hosting.
10. Ciekawostka: wersja skwantyzowana do 2 bitów zachowuje 82 procent dokładności i działa na Macu z 256 GB RAM — najmocniejszy dziś model do uruchomienia lokalnie.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Benchmarki już nie różnicują czołówki — porównuj modele własnymi zadaniami

Na czym polega: GLM-5.2 i Opus 4.8 zdobywają na testach niemal identyczne wyniki, więc rankingi przestały oddawać realne różnice w codziennej pracy. Autor ocenia modele okiem estety: patrzy na jakość wizualną i staranność generowanych stron, scen i aplikacji.

Jak stosować: Zanim zadecydujesz o wyborze, przygotuj kilka powtarzalnych prób odpowiadających Twojej pracy — np. landing page, scenę 3D, dashboard — i generuj je w każdym modelu tym samym, celowo prostym promptem. Decyduj na podstawie efektów, nie pozycji w tabelce.

Na co uważać: Kilka pokazanych przykładów to nie statystyka, a autor sam przyznaje, że w grach GLM wypada wyraźnie słabiej. Testuj przede wszystkim tę kategorię zadań, na której faktycznie Ci zależy.

2.Otwarty model może zasilać znane narzędzie — wystarczy przepisać adres API

Na czym polega: Claude Code pozwala podmienić model za sprawą zmiennej anthropic_base_url. Mózg zamieniasz na GLM-5.2, a całą ergonomię narzędzia — polecenia, skróty, interfejs — zostawiasz bez zmian.

Jak stosować: Załóż konto w OpenRouter, wygeneruj klucz API i przekaż agentowi zadanie: „ustaw GLM w instancji Claude Code”. Tożsamość modelu łatwo zweryfikować — wystarczy zapytać go wprost, kim jest.

Na co uważać: Warunkiem jest zgodność specyfikacji API z formatem Anthropic — nie każdy dostawca to spełnia. Sprawdź też, czy agent nie korzysta z funkcji, których nowy model nie ma (np. wbudowanego wyszukiwania w sieci).

3.Konfigurację deleguj na agenta — zrzut ekranu wystarczy jako instrukcja

Na czym polega: Autor nie klepie konfiguracji ręcznie. Robi zrzut ekranu z instrukcją, wkleja go do agenta wraz z poleceniem — a ten pobiera narzędzia, edytuje pliki i sam weryfikuje całą ścieżkę w świeżo utworzonym katalogu.

Jak stosować: Trzymaj pod ręką sprawdzoną instrukcję (własną lub cudzą) i każde kolejne środowisko konfiguruj według tego samego schematu: „ustaw model X według tego zrzutu, w nowym katalogu, i przetestuj od początku do końca”.

Na co uważać: Klucz API wklejany jawnym tekstem zostaje w historii rozmowy i plikach projektu. Przy pracy na cudzych maszynach czy w repozytorium wyczyść ślady albo używaj zmiennej środowiskowej.

4.Klucz API traktuj jak dane karty płatniczej

Na czym polega: Autor celowo ustawia kluczowi godzinną datę ważności i pokazuje, że panel rozliczeń OpenRouter natychmiast odnotowuje każdy wydatek (28 sekund wcześniej: ok. 4 dolary). Krótki żywot klucza ogranicza szkody w razie wycieku.

Jak stosować: Nadawaj każdemu projektowi osobny klucz, ustawiaj limit kredytu i datę wygaśnięcia, a po zakończeniu pracy unieważniaj stare klucze i wystawiaj nowe.

Na co uważać: Bez paniki — w codziennym użyciu największym ryzykiem jest fizyczny dostęp do Twojego komputera: ktoś, kto go ma, i tak przeczyta klucz. Chroń urządzenie, a nie tylko sam ciąg znaków.

5.Wyszukiwanie w sieci nie uruchomi się samo — doinstaluj Exa.ai

Na czym polega: GLM-5.2 nie ma wbudowanego przeszukiwania internetu i próbuje pożyczać tę funkcję od Claude Code, co nie działa automatycznie. Ratunkiem jest Exa.ai — usługa wyszukiwania projektowana pod agentów.

Jak stosować: W katalogu projektu poproś agenta: „skonfiguruj Exa.ai do wyszukiwania w sieci” i podaj klucz API (na start dostaje się ok. 10 dolarów kredytu). Od tej chwili pytania o aktualne dane — np. o fintechi po rundzie Series B — kończą się prawdziwym zapytaniem do sieci.

Na co uważać: Bez integracji zwykłe „poszukaj w sieci…” zwróci błąd albo nic. Wyszukiwarka agentowa rozliczana jest osobno od modelu — uwzględnij to w szacowaniu kosztów.

6.Jeden model, wiele środowisk — wybierz to, w którym pracujesz najlepiej

Na czym polega: Ten sam GLM-5.2 przez OpenRouter odpalasz w Claude Code, Open Code i Crush; dwa ostatnie instalujesz jednym poleceniem Homebrew. Różnice między narzędziami to dziś głównie kwestia wygody, nie możliwości.

Jak stosować: Jeśli masz sprawdzone środowisko, podmień w nim sam silnik zamiast przesiadać się za każdym razem na nowy program. Prosty test poprawności konfiguracji: poproś model o jedno zdanie o tym, kim jest.

Na co uważać: Preferencje autora to opinia, nie pomiar. Narzędzia różnią się ergonomią, sposobem liczenia wydatków czy domyślnym motywem — wypróbuj, zanim się zdecydujesz.

7.Dobierz ścieżkę zakupu do skali użycia

Na czym polega: Dostęp do GLM-5.2 kupisz na cztery sposoby: abonament z.ai (od planu light po 80 dolarów miesięcznie), OpenRouter z rozliczeniem za token, hosting bezpośredni u Fireworks, DeepInfra czy GMI albo własny serwer.

Jak stosować: Przy intensywnej, regularnej pracy policz abonament; przy doraźnych projektach płać za tokeny; gdy zależy Ci na kontroli i przewidywalnym rachunku — hostuj u wybranego dostawcy samodzielnie.

Na co uważać: Ceny API bywają zmienne, a modele zamknięte bywają ograniczane lub drożeją z dnia na dzień. Nie uzależniaj całego warsztatu od jednego dostawcy.

8.Nawet 700 miliardów parametrów uruchomisz lokalnie

Na czym polega: Społeczność skompresowała GLM-5.2 do 2 bitów: model zajmuje ułamek pierwotnego rozmiaru, zachowuje 82 procent dokładności i działa na Macu z 256 GB RAM. Według autora to najmocniejszy model, jaki dziś da się odpalić na własnym sprzęcie.

Jak stosować: Traktuj lokalną wersję jako ścieżkę awaryjną — modelu leżącego na Twoim dysku nie wyłączy zmiana cennika ani decyzja dostawcy.

Na co uważać: Kompresja kosztuje zdolności — wersja lokalna jest po prostu słabsza od oryginału, a sam sprzęt z taką pamięcią to poważny wydatek. Sens ma przy naprawdę dużym zużyciu lub szczególnych wymogach bezpieczeństwa.

9.Przewaga przesuwa się z rankingów na cenę i wygodę

Na czym polega: Czołowe modele zbliżają się poziomem inteligencji — różnica rzędu 0,1 punktu procentowego na benchmarku czy kilku tokenów na sekundę przestaje mieć znaczenie. Decydują użyteczność narzędzia i rachunek ekonomiczny.

Jak stosować: Optymalizuj stosunek jakości do kosztu: jeżeli tańszy model w Twoich zadaniach daje efekt praktycznie nieodróżnialny od lidera, niech on będzie domyślnym wyborem, a droższy — rezerwą na trudne przypadki.

Na co uważać: Zbieżność nie oznacza tożsamości — zadania wrażliwe estetycznie (front-end, gry) nadal potrafią wyraźnie rozdzielić modele.

10.Otwarte modele to polisa na niepewne czasy

Na czym polega: Autor wskazuje, że dostęp do modeli zamkniętych można urwać z dnia na dzień albo istotnie podrożeć. Model o otwartych wagach można uruchomić samodzielnie, więc dostęp do niego zależy wyłącznie od Ciebie.

Jak stosować: Miej przygotowaną ścieżkę zapasową: skonfigurowany dostęp przez OpenRouter plus lokalna wersja skompresowana. Przełączanie między dostawcami przetestuj, zanim będzie potrzebne.

Na co uważać: Utrzymanie dwóch ścieżek kosztuje czas i pieniądze. Taka polisa opłaca się wtedy, gdy przerwana praca agentów byłaby dla Ciebie realnie kosztowna.

Redakcyjne tłumaczenie

Czterdzieście starć i jedno pytanie o cenę

GLM-5.2 jest naprawdę dobry — i nie trzeba wierzyć autorowi na słowo. Nick Saraev urządził bezpośrednie starcie Opusa 4.8 z GLM-5.2 na około czterdziestu zadaniach: od scen 3D w WebGL, przez interaktywne materiały wyjaśniające i całe zestawy dashboardów, po pełne aplikacje webowe, landing page’y i gry. W pierwszej części filmu przewija te próby jedną po drugiej, żeby potem pokazać najprostszy sposób podpięcia modelu w Claude Code, a następnie w kilku innych środowiskach. Na końcu dołącza przegląd dostawców, u których dostęp do GLM-5.2 wypada najkorzystniej cenowo.

Motywacja jest pragmatyczna: w czasach, gdy model bywa ograniczany z dnia na dzień albo istotnie drożeje po zmianie cennika API, otwarte modele — GLM i im podobne — według autora po raz pierwszy realnie mają sens.

(Informacja dodatkowa: GLM to rodzina modeli o otwartych wagach, tworzona przez z.ai (Zhipu AI); Opus 4.8 to flagowy, zamknięty model Claude od Anthropic.)

Dlaczego „smak”, a nie benchmarki

Po co w ogóle oglądać ciąg scen 3D? Bo benchmarki są dziś w praktyce nasycone: skoro GLM-5.2 zdobywa na rozmaitych testach wyniki zbliżone do Opusa 4.8, tabelki przestały oddawać, jak to jest pracować z modelem na co dzień. Żeby naprawdę poznać system i uczciwie zestawić go z konkurentem — przekonuje Saraev — trzeba patrzeć na niego okiem estety: sprawdzać jakość tego, co wytwarza, a nie liczbę punktów. Dlatego powstało siedem demonstracji: grywalna mini-gra, scena 3D w WebGL, interaktywny wyjaśniacz, dashboard i kolejne warianty.

Pierwsza runda: mgławica

Na ekranie dwie wersje tego samego zadania — spirali mgławicy. Wersja GLM-5.2 wygląda zachwycająco: czysta, uporządkowana, z przemyślanymi funkcjami — wyśrodkowaniem widoku, przełączaną orbitą automatyczną, regulacją rozmiaru świecących cząstek. Wersja Opusa 4.8? Galaktyki praktycznie nie widać, bo scena jest przepalona światłem. Błąd oczywisty — w tej rundzie Opus wyraźnie przegrał. „To powinno już coś mówić” — komentuje autor.

Tęcza: lekcja typografii

Druga kategoria to interaktywne wyjaśniacze (na ekranie m.in. „jak powstaje tęcza”), generowane celowo naiwnymi, ubogimi promptami. Nawet przy tak skromnym poleceniu — ocenia Saraev — Opus 4.8 wyraźnie ustępuje GLM pod względem wyczucia stylu: odpowiedź GLM jest po prostu ładniejsza, bardziej dopracowana, z czysto dobranymi krojami szeryfowymi. Opus również sięga po szeryfy — bo taki był zamysł zadania — ale efekt nie zachwyca. Autor nie owija w bawełnę: GLM-5.2 „nauczyłby mnie, jak to działa, lepiej niż Opus”.

Lot nad proceduralnym terenem

Trzecia próba: przelot nad niskopoligonowym (low-poly) pejzażem, sterowany myszą. Wersja Opusa generuje w nieskończoność proceduralne niebo nad uproszczonym terenem — i, jak przyznaje autor, robi to całkiem niezłe wrażenie. Ale wersja GLM to w jego ocenie po prostu wyższa półka: wyraźnie lepszy efekt końcowy. Ceną stylistyki low-poly jest na przykład chmura ledwie odróżnialna od gruntu, ale w kategorii „nieskończenie generowany proceduralny teren” punkty za gust trafiają do GLM-5.2.

Landing page’e i wyższy „współczynnik stylu”

Landing page’e powtarzają schemat. GLM-5.2 ma — jak to ujmuje autor — po prostu wyższy „współczynnik stylu”: te same zadania kończą się efektowniejszym, lepiej skomponowanym rezultatem. Co istotne, odpowiedzi serwowane są wielokrotnie taniej niż w wypadku Opusa 4.8. Saraev deklaruje, że stronę takiej klasy projektowałby z GLM bez wahania.

Gry: pięta achillesowa GLM

W mini-grach GLM radzi sobie najsłabiej — to jedyny wyraźnie gorszy teren w całym zestawieniu. Na ekranie „układanie wieży”, zabawa znana z salonów rozrywkowych czy kasynowych automatów: bloki trzeba trafiać jeden na drugi. Wersja Opusa działa porządnie — bloki układają się bez przeszkód. Wersja GLM technicznie też działa, ale tempo gry jest tak zawyżone, że — jak podejrzewa autor — model nie pojął, jak trudna to zręcznościówka: sam zdołał dołożyć zaledwie trzy bloki. W zestawie są jeszcze slajdy i inne materiały, ale sedno jest już jasne: GLM jest po prostu dobry.

Start: GLM-5.2 w Claude Code

Konfigurację autor pokazuje w Claude Code, bo — jego zdaniem — to najbardziej intuicyjne narzędzie dla większości widzów. (Informacja dodatkowa: Claude Code to terminalowe narzędzie agentowe Anthropic; „harness”, czyli środowisko agentowe, to warstwa, w której model wykonuje zadania — poza Claude Code popularne są m.in. Open Code i Crush.)

Demonstracja odbywa się w edytorze Antigravity (Informacja dodatkowa: środowisko programistyczne z zagnieżdżonymi agentami; autor ma w nim uruchomione dwie instancje Claude Code). W jednej pracuje Opus 4.8 z kontekstem miliona tokenów, w drugiej — po wybraniu „GLM” z panelu bocznego — GLM-5.2. Oprawa narzędzia pozostaje ta sama, zmienia się tylko silnik. Na pytanie „jaki model obsługujesz?” instancja odpowiada jednoznacznie: GLM-5.2 przez OpenRouter, jedno z trzech skonfigurowanych środowisk terminalowych — żaden model Claude nie pracuje pod spodem. Drobiazg wydajnościowy: jeżeli odpowiedzi Opusa przychodzą szybciej, to efekt włączonego trybu fast; w liczbie tokenów na sekundę oba modele są porównywalne.

OpenRouter: konto i klucz API

Najprostsza droga prowadzi przez OpenRouter:

1. Zakładamy konto — podstawowe dane, kod weryfikacyjny przychodzi mailem.
2. Po zalogowaniu w panelu API od razu widać rozliczenia: autor 28 sekund wcześniej wydał tam około 4 dolarów, co dobrze obrazuje tempo naliczania.
3. Tworzymy nowy klucz. Autor pozostawia limit kredytu bez ograniczeń, ale ustawia godzinę ważności — nie chce, by klucz wyciekł, „a potem żebyście zarzucili mnie zgłoszeniami”.
4. Kopiujemy klucz — i to w zasadzie tyle.

Trik ze zrzutem ekranu: konfiguracja bez klepania komend

Cała reszta sprowadza się do jednej sztuczki. Autor zatrzymuje film na klatce z instrukcją (widz może zrobić zrzut ekranu), przechodzi do swojego środowiska i wkleja ją agentowi wraz z poleceniem: „Chcę, żebyś skonfigurował GLM w instancji Claude Code”. Demonstracyjnie każe wykonać wszystko w nowym katalogu — inaczej agent, który tę konfigurację już znał, odmówiłby pracy. Resztą zajmuje się maszyna: tworzy świeży katalog, przeprowadza ustawienia i weryfikuje całą ścieżkę od pytania do odpowiedzi. Na koniec raportuje: „GLM-5.2 jest skonfigurowany i zweryfikowany w nowym katalogu demo”.

Warto odnotować autorską szczerość: wklejanie klucza API jawnym tekstem nie jest wzorem bezpieczeństwa. W praktyce — argumentuje — jeśli ktoś przejmie dostęp do urządzenia, i tak sięgnie do klucza; zabezpieczenie komputera jest więc równie ważne jak ochrona samego ciągu znaków.

Jak to działa pod maską

Cała podmiana modelu opiera się na jednej zmiennej: anthropic_base_url. Anthropic przewidział w swoim narzędziu możliwość przekierowania na dowolny inny model — byle jego interfejs API był zgodny ze specyfikacją. Dlatego wystarczy otworzyć w terminalu świeży katalog, wejść do glm-demo i wpisać glm — i GLM rusza w pełnej krasie Claude Code.

Pułapka: wyszukiwanie w sieci

GLM-5.2 nie ma wbudowanego przeszukiwania internetu i w Claude Code próbuje pożyczać tę funkcję od narzędzia Anthropic — co nie działa w pełni automatycznie. Rozwiązaniem jest Exa.ai, usługa wyszukiwania projektowana pod agentów, obecnie — według autora — czołówka tej kategorii. Z tą integracją zapytania w rodzaju „europejski fintech po rundzie Series B, ponad 50 pracowników, niedawne rundy inwestycyjne” kończą się prawdziwym wywołaniem do sieci. Bez niej polecenie typu „poszukaj w sieci…” wpisane bezpośrednio po prostu nie zadziała.

Konfiguracja jest banalna: w katalogu GLM wystarczy polecić agentowi „skonfiguruj Exa.ai do wyszukiwania w sieci” i podać klucz API z Exa — na start dostaje się około 10 dolarów darmowych kredytów, więc całość odtworzymy za grosze.

To samo w Open Code i Crush

Zmiana środowiska nie zmienia recepty. Open Code instaluje się przez brew install opencode, Crush — przez brew install crush. Potrzebne są jeszcze drobne poprawki konfiguracji, ale autor ponownie posługuje się zrzutem ekranu: czyści czat i wkleja polecenie „Chcę skonfigurować GLM-5.2 na obu narzędziach: pobierz je i skonfiguruj według tego zrzutu”. Jak podkreśla, sedno pokazu jest takie, że dowolny materiał z sieci — wideo, obraz, tekst — można wkleić agentowi, a ten zabierze się do roboty. U autora instalacje były już na miejscu, więc poszło szybko; u widza pierwsze podejście potrwa dłużej, bo narzędzia muszą się pobrać.

Test tożsamości brzmi: „Odpowiedz dokładnie jednym krótkim zdaniem, który model AI jesteś”. Odpowiedź potwierdza GLM-5.2 — najpierw w Open Code, potem w Crush.

Krótki spacer po Crush: autor osobiście nie przepada za tym narzędziem — szczerze mówiąc, poza Claude Code żadne specjalnie mu nie leży — ale działa i można z nim rozmawiać jak z każdą inną instancją. Na pytanie o model usłyszał: „Używam Z-GLM 5.2 przez OpenRouter, zarówno dla modelu małego, jak i dużego”. W Open Code — gdzie tekst na czarnym tle ledwo było widać, bo autor nigdy nie ustawił motywu — model potwierdził to samo po dłuższym „myśleniu”. Po prawej stronie interfejsu widać bieżące wydatki, a wyszukiwanie przez Exa działa od razu, o ile zostało skonfigurowane. Wniosek: dowolne środowisko agentowe z GLM-5.2 pod spodem uruchomi się równie prosto.

Zdanie autora: wygoda wygrywa z ułamkami punktu

Osobiście Saraev uważa Claude Code za najlepszy i najprostszy w obsłudze. Wie, że część widzów się nie zgodzi — i ma ku temu nawet powody statystyczne — ale jego teza jest szersza: wszystkie czołowe modele zbliżają się do podobnego poziomu inteligencji, więc o wyborze zaczynają decydować użyteczność narzędzia i cena, a nie dodatkowe 0,1 punktu procentowego na benchmarku czy kilka tokenów na sekundę więcej.

Cztery drogi do taniego GLM-5.2

Skoro model już działa, zostaje pytanie: gdzie go brać, żeby wyszło jak najtaniej? Obecnie cztery główne ścieżki.

1. Plan kodowy z.ai. Rozwiązanie abonamentowe, analogiczne do Claude Max: warianty light i pro oraz płaski plan max za 80 dolarów miesięcznie. Zakup bezpośrednio u z.ai — zespołu, który stworzył GLM.

2. OpenRouter. Rozliczenie za tokeny. Usługa automatycznie kieruje zapytania do rozmaitych dostawców z punktami końcowymi API i prowadzi arbitraż cenowy, żeby wychodziło jak najtaniej. „Dla mnie to włączasz i działa — i właśnie z tego korzystam. Nie jestem przez nich sponsorowany, nikt mnie do niczego nie zmusza. Po prostu uważam ich za solidnych i przejrzystych.”

3. Hostingi bezpośrednie: Fireworks, DeepInfra, GMI. Dedykowani dostawcy inferencji — zamiast pozwalać OpenRouterowi wybierać punkt końcowy, sami wskazujesz, gdzie ma pracować model.

4. Własny hosting. Najtrudniejsza droga, bo GLM-5.2 liczy 700 miliardów parametrów. Autor natrafił jednak na gotowe rozwiązanie: ktoś ze społeczności skwantyzował model do 2 bitów — skompresował go tak mocno, że zachowuje 82 procent pierwotnej dokładności i da się go uruchomić na Macu z 256 GB RAM albo niektórych konfiguracjach RAM/VRAM. W ocenie autora to z łatwością najmocniejszy model lokalny, jaki obecnie da się odpalić na własnym sprzęcie — mimo że po kompresji jest po prostu mniej zdolny, przy 84-procentowej redukcji rozmiaru. I najważniejsze: „Nikt nigdy nie odbierze Ci takiego modelu — chyba że dosłownie zapuka do Twoich drzwi i zabierze komputer.”

Podsumowanie

Celem filmu było pokazanie, jak realne stało się korzystanie z wysokiej klasy modeli otwartych — i na własnym komputerze, i przez API z arbitrażem kosztów inferencji. Obecnie — zdaniem Saraeva — GLM-5.2 ma lepszy gust niż Opus 4.8; kiedy wróci „Fable” i pojawią się kolejne premiery, układ może się przesunąć. (Informacja dodatkowa: nazwa „Fable” pojawia się w transkrypcji bez kontekstu — najpewniej chodzi o oczekiwany model konkurencji.) Na dziś to jego codzienne narzędzie pracy, „katowane” praktycznie całodobowo — i autor zachęca, by spróbować samemu. Na rynku czeka przy tym mnóstwo darmowych kredytów API do zgarnięcia.

Na koniec krótka autopromocja: Maker School to program codziennej rozliczalności, który ma poprowadzić uczestnika do zdobycia płacącego klienta na usługi oparte o te modele w 90 dni — albo zwrócić pieniądze. Left Click oferuje wdrożenia „za Ciebie” i „z Tobą”, a Clarvo — SaaS pomagający podwoić wskaźnik odbiorów.