chore(i18n): refresh pl translations

2026-04-13 08:54:42 +00:00 · 2026-04-13 08:54:42 +00:00 · 0d3825ff6e
commit 0d3825ff6e
parent f8a5ddbcc6
7 changed files with 1069 additions and 816 deletions
--- a/docs/pl/concepts/model-providers.md
+++ b/docs/pl/concepts/model-providers.md
@ -1,41 +1,42 @@
 ---
 read_when:
-    - Potrzebujesz referencyjnego przewodnika konfiguracji modeli dla każdego dostawcy.
-    - Chcesz przykładowe konfiguracje lub polecenia wdrażania CLI dla dostawców modeli.
-summary: Przegląd dostawców modeli z przykładowymi konfiguracjami + przepływami CLI
+    - Potrzebujesz dokumentacji konfiguracji modeli dla każdego dostawcy z osobna
+    - Chcesz przykładowych konfiguracji lub poleceń wdrażania w CLI dla dostawców modeli
+summary: Przegląd dostawcy modeli z przykładowymi konfiguracjami + przepływami CLI
 title: Dostawcy modeli
 x-i18n:
-    generated_at: "2026-04-11T02:44:26Z"
+    generated_at: "2026-04-13T08:50:47Z"
    model: gpt-5.4
    provider: openai
-    source_hash: 910ea7895e74c03910757d9d3e02825754b779b204eca7275b28422647ed0151
+    source_hash: 66ba688c4b4366eec07667571e835d4cfeee684896e2ffae11d601b5fa0a4b98
    source_path: concepts/model-providers.md
    workflow: 15
 ---

 # Dostawcy modeli

-Ta strona obejmuje **dostawców LLM/modeli** (a nie kanały czatu, takie jak WhatsApp/Telegram).
-Zasady wyboru modeli znajdziesz w [/concepts/models](/pl/concepts/models).
+Ta strona dotyczy **dostawców LLM/modeli** (a nie kanałów czatu, takich jak WhatsApp/Telegram).
+Reguły wyboru modeli znajdziesz tutaj: [/concepts/models](/pl/concepts/models).

 ## Szybkie zasady

 - Referencje modeli używają formatu `provider/model` (przykład: `opencode/claude-opus-4-6`).
 - Jeśli ustawisz `agents.defaults.models`, stanie się to listą dozwolonych modeli.
 - Pomocnicze polecenia CLI: `openclaw onboard`, `openclaw models list`, `openclaw models set <provider/model>`.
- Zasady działania środowiska wykonawczego fallback, sondy cooldown oraz trwałość nadpisywania sesji
-  są udokumentowane w [/concepts/model-failover](/pl/concepts/model-failover).
+- Zasady awaryjnego działania w runtime, sondy cooldown oraz trwałość nadpisań sesji są
+  udokumentowane w [/concepts/model-failover](/pl/concepts/model-failover).
 - `models.providers.*.models[].contextWindow` to natywne metadane modelu;
-  `models.providers.*.models[].contextTokens` to efektywny limit środowiska wykonawczego.
- Pluginy dostawców mogą wstrzykiwać katalogi modeli przez `registerProvider({ catalog })`;
-  OpenClaw scala te dane z `models.providers` przed zapisaniem
+  `models.providers.*.models[].contextTokens` to skuteczny limit runtime.
+- Provider plugins mogą wstrzykiwać katalogi modeli przez `registerProvider({ catalog })`;
+  OpenClaw scala to wyjście z `models.providers` przed zapisaniem
  `models.json`.
 - Manifesty dostawców mogą deklarować `providerAuthEnvVars` oraz
-  `providerAuthAliases`, dzięki czemu ogólne sondy uwierzytelniania oparte na zmiennych środowiskowych i warianty dostawców
-  nie muszą ładować środowiska wykonawczego pluginu. Pozostała podstawowa mapa zmiennych środowiskowych
-  służy teraz tylko dostawcom spoza pluginów / podstawowym dostawcom oraz kilku przypadkom ogólnego priorytetu,
-  takim jak wdrażanie Anthropic z kluczem API jako pierwszym wyborem.
- Pluginy dostawców mogą także zarządzać zachowaniem dostawcy w środowisku wykonawczym przez
+  `providerAuthAliases`, aby ogólne sondy uwierzytelniania oparte na zmiennych środowiskowych i warianty dostawców
+  nie musiały ładować runtime Plugin.
+  Pozostała mapa zmiennych środowiskowych w rdzeniu służy teraz
+  wyłącznie dostawcom spoza pluginów/rdzenia oraz kilku przypadkom ogólnego priorytetu, takim
+  jak wdrażanie Anthropic z priorytetem klucza API.
+- Provider plugins mogą też zarządzać zachowaniem dostawcy w runtime przez
  `normalizeModelId`, `normalizeTransport`, `normalizeConfig`,
  `applyNativeStreamingUsageCompat`, `resolveConfigApiKey`,
  `resolveSyntheticAuth`, `shouldDeferSyntheticProfileAuth`,
@ -51,183 +52,183 @@ Zasady wyboru modeli znajdziesz w [/concepts/models](/pl/concepts/models).
  `isCacheTtlEligible`, `buildMissingAuthMessage`, `suppressBuiltInModel`,
  `augmentModelCatalog`, `isBinaryThinking`, `supportsXHighThinking`,
  `resolveDefaultThinkingLevel`, `applyConfigDefaults`, `isModernModelRef`,
-  `prepareRuntimeAuth`, `resolveUsageAuth`, `fetchUsageSnapshot` oraz
+  `prepareRuntimeAuth`, `resolveUsageAuth`, `fetchUsageSnapshot`, oraz
  `onModelSelected`.
- Uwaga: `capabilities` dostawcy w środowisku wykonawczym to współdzielone metadane runnera (rodzina dostawcy,
-  niuanse transkrypcji/narzędzi, wskazówki dotyczące transportu/pamięci podręcznej). To nie to
-  samo co [publiczny model możliwości](/pl/plugins/architecture#public-capability-model),
-  który opisuje, co rejestruje plugin (wnioskowanie tekstowe, mowa itd.).
+- Uwaga: `capabilities` dostawcy w runtime to współdzielone metadane wykonawcze (rodzina dostawcy,
+  specyfika transkryptu/narzędzi, wskazówki dotyczące transportu/cache). To nie to samo co [publiczny model możliwości](/pl/plugins/architecture#public-capability-model),
+  który opisuje, co rejestruje Plugin (wnioskowanie tekstowe, mowa itd.).
 - Dołączony dostawca `codex` jest sparowany z dołączoną uprzężą agenta Codex.
-  Użyj `codex/gpt-*`, gdy chcesz korzystać z logowania zarządzanego przez Codex, wykrywania modeli,
+  Używaj `codex/gpt-*`, gdy chcesz korzystać z logowania zarządzanego przez Codex, wykrywania modeli,
  natywnego wznawiania wątków i wykonywania na serwerze aplikacji. Zwykłe referencje `openai/gpt-*` nadal
  używają dostawcy OpenAI i standardowego transportu dostawcy OpenClaw.
-  Wdrożenia tylko z Codex mogą wyłączyć automatyczny fallback PI przez
+  Wdrożenia wyłącznie z Codex mogą wyłączyć automatyczny fallback do PI przez
  `agents.defaults.embeddedHarness.fallback: "none"`; zobacz
  [Codex Harness](/pl/plugins/codex-harness).

-## Zachowanie dostawcy zarządzane przez plugin
+## Zachowanie dostawcy zarządzane przez Plugin

-Pluginy dostawców mogą teraz zarządzać większością logiki specyficznej dla dostawcy, podczas gdy OpenClaw zachowuje
+Provider plugins mogą teraz zarządzać większością logiki specyficznej dla dostawcy, podczas gdy OpenClaw zachowuje
 ogólną pętlę wnioskowania.

 Typowy podział:

- `auth[].run` / `auth[].runNonInteractive`: dostawca zarządza przepływami wdrażania/logowania
-  dla `openclaw onboard`, `openclaw models auth` i konfiguracji bez interakcji
+- `auth[].run` / `auth[].runNonInteractive`: dostawca zarządza przepływami onboarding/logowania
+  dla `openclaw onboard`, `openclaw models auth` i konfiguracji bezobsługowej
 - `wizard.setup` / `wizard.modelPicker`: dostawca zarządza etykietami wyboru uwierzytelniania,
-  starszymi aliasami, wskazówkami listy dozwolonych modeli podczas wdrażania oraz wpisami konfiguracji w selektorach wdrażania/modeli
+  starszymi aliasami, wskazówkami listy dozwolonych modeli dla onboardingu oraz wpisami konfiguracji w selektorach onboardingu/modeli
 - `catalog`: dostawca pojawia się w `models.providers`
 - `normalizeModelId`: dostawca normalizuje starsze/poglądowe identyfikatory modeli przed
-  wyszukiwaniem lub kanonizacją
+  wyszukiwaniem lub kanonikalizacją
 - `normalizeTransport`: dostawca normalizuje `api` / `baseUrl` rodziny transportu
  przed ogólnym składaniem modelu; OpenClaw najpierw sprawdza dopasowanego dostawcę,
-  a następnie inne pluginy dostawców obsługujące hooki, dopóki któryś rzeczywiście nie zmieni
-  transportu
- `normalizeConfig`: dostawca normalizuje konfigurację `models.providers.<id>` zanim
-  użyje jej środowisko wykonawcze; OpenClaw najpierw sprawdza dopasowanego dostawcę, a następnie inne
-  pluginy dostawców obsługujące hooki, dopóki któryś rzeczywiście nie zmieni konfiguracji. Jeśli żaden
-  hook dostawcy nie przepisze konfiguracji, dołączone helpery rodziny Google nadal
+  następnie inne provider plugins obsługujące hooki, aż któryś faktycznie zmieni
+  transport
+- `normalizeConfig`: dostawca normalizuje konfigurację `models.providers.<id>` przed
+  użyciem jej przez runtime; OpenClaw najpierw sprawdza dopasowanego dostawcę, a potem inne
+  provider plugins obsługujące hooki, aż któryś faktycznie zmieni konfigurację. Jeśli żaden
+  hook dostawcy nie przepisze konfiguracji, dołączone pomocnicze funkcje rodziny Google nadal
  normalizują obsługiwane wpisy dostawców Google.
- `applyNativeStreamingUsageCompat`: dostawca stosuje przepisania zgodności natywnego użycia streamingu oparte na endpointach dla dostawców konfiguracyjnych
- `resolveConfigApiKey`: dostawca rozwiązuje uwierzytelnianie znacznika środowiskowego dla dostawców konfiguracyjnych
-  bez wymuszania pełnego ładowania uwierzytelniania środowiska wykonawczego. `amazon-bedrock` ma tu również
-  wbudowany resolver znacznika środowiskowego AWS, mimo że uwierzytelnianie środowiska wykonawczego Bedrock używa
+- `applyNativeStreamingUsageCompat`: dostawca stosuje zgodnościowe przepisania natywnego użycia streamingu sterowane przez endpoint dla dostawców konfiguracyjnych
+- `resolveConfigApiKey`: dostawca rozwiązuje uwierzytelnianie znacznikami środowiskowymi dla dostawców konfiguracyjnych
+  bez wymuszania pełnego ładowania uwierzytelniania runtime. `amazon-bedrock` ma tu również
+  wbudowany mechanizm rozwiązywania znaczników środowiskowych AWS, mimo że uwierzytelnianie Bedrock w runtime używa
  domyślnego łańcucha AWS SDK.
- `resolveSyntheticAuth`: dostawca może udostępniać dostępność uwierzytelniania lokalnego/samohostowanego lub innego
+- `resolveSyntheticAuth`: dostawca może ujawniać dostępność uwierzytelniania lokalnego/self-hosted lub innego
  opartego na konfiguracji bez utrwalania sekretów w postaci jawnego tekstu
- `shouldDeferSyntheticProfileAuth`: dostawca może oznaczać zapisane syntetyczne placeholdery profilu
+- `shouldDeferSyntheticProfileAuth`: dostawca może oznaczać zapisane syntetyczne placeholdery profili
  jako mające niższy priorytet niż uwierzytelnianie oparte na środowisku/konfiguracji
- `resolveDynamicModel`: dostawca akceptuje identyfikatory modeli, których nie ma jeszcze
-  w lokalnym katalogu statycznym
+- `resolveDynamicModel`: dostawca akceptuje identyfikatory modeli, które nie są jeszcze obecne w lokalnym
+  statycznym katalogu
 - `prepareDynamicModel`: dostawca wymaga odświeżenia metadanych przed ponowną próbą
  dynamicznego rozpoznania
- `normalizeResolvedModel`: dostawca wymaga przepisania transportu lub bazowego URL
- `contributeResolvedModelCompat`: dostawca dodaje flagi zgodności dla swoich
-  modeli producenta, nawet gdy docierają one przez inny zgodny transport
- `capabilities`: dostawca publikuje niuanse transkrypcji/narzędzi/rodziny dostawcy
- `normalizeToolSchemas`: dostawca porządkuje schematy narzędzi, zanim zobaczy je
-  osadzony runner
- `inspectToolSchemas`: dostawca ujawnia ostrzeżenia dotyczące schematów specyficzne dla transportu
+- `normalizeResolvedModel`: dostawca wymaga przepisania transportu lub podstawowego URL
+- `contributeResolvedModelCompat`: dostawca wnosi flagi zgodności dla swoich
+  modeli dostawcy, nawet gdy docierają one przez inny kompatybilny transport
+- `capabilities`: dostawca publikuje specyfikę transkryptu/narzędzi/rodziny dostawcy
+- `normalizeToolSchemas`: dostawca czyści schematy narzędzi, zanim zobaczy je osadzony
+  runner
+- `inspectToolSchemas`: dostawca udostępnia ostrzeżenia dotyczące schematów specyficzne dla transportu
  po normalizacji
- `resolveReasoningOutputMode`: dostawca wybiera natywne lub tagowane
+- `resolveReasoningOutputMode`: dostawca wybiera natywne lub oznaczane tagami
  kontrakty wyjścia rozumowania
- `prepareExtraParams`: dostawca ustawia wartości domyślne lub normalizuje parametry żądań dla poszczególnych modeli
- `createStreamFn`: dostawca zastępuje zwykłą ścieżkę streamingu całkowicie
+- `prepareExtraParams`: dostawca ustawia wartości domyślne lub normalizuje parametry żądania dla poszczególnych modeli
+- `createStreamFn`: dostawca zastępuje standardową ścieżkę strumieniowania całkowicie
  niestandardowym transportem
- `wrapStreamFn`: dostawca stosuje wrapery zgodności nagłówków/treści żądania/modelu
- `resolveTransportTurnState`: dostawca dostarcza natywne nagłówki transportu
-  lub metadane dla poszczególnych tur
+- `wrapStreamFn`: dostawca stosuje opakowania zgodności nagłówków/ciała/modelu żądania
+- `resolveTransportTurnState`: dostawca dostarcza natywne nagłówki lub metadane transportu
+  dla każdej tury
 - `resolveWebSocketSessionPolicy`: dostawca dostarcza natywne nagłówki sesji WebSocket
  lub zasady cooldown sesji
- `createEmbeddingProvider`: dostawca zarządza zachowaniem embeddingów pamięci, gdy
-  należy ono do pluginu dostawcy, a nie do podstawowego przełącznika embeddingów
+- `createEmbeddingProvider`: dostawca zarządza zachowaniem osadzeń pamięci, gdy
+  powinno ono należeć do Plugin dostawcy zamiast do głównego przełącznika osadzeń rdzenia
 - `formatApiKey`: dostawca formatuje zapisane profile uwierzytelniania do postaci
-  ciągu `apiKey` oczekiwanego przez transport w środowisku wykonawczym
+  ciągu `apiKey` oczekiwanego przez transport w runtime
 - `refreshOAuth`: dostawca zarządza odświeżaniem OAuth, gdy współdzielone mechanizmy odświeżania `pi-ai`
  nie są wystarczające
- `buildAuthDoctorHint`: dostawca dołącza wskazówki naprawy, gdy odświeżanie OAuth
+- `buildAuthDoctorHint`: dostawca dodaje wskazówki naprawcze, gdy odświeżenie OAuth
  się nie powiedzie
- `matchesContextOverflowError`: dostawca rozpoznaje błędy przepełnienia okna kontekstu
-  specyficzne dla dostawcy, które ogólne heurystyki mogłyby pominąć
+- `matchesContextOverflowError`: dostawca rozpoznaje specyficzne dla dostawcy
+  błędy przepełnienia okna kontekstu, których ogólne heurystyki by nie wykryły
 - `classifyFailoverReason`: dostawca mapuje surowe błędy transportu/API specyficzne dla dostawcy
-  na przyczyny przełączenia awaryjnego, takie jak limit szybkości lub przeciążenie
- `isCacheTtlEligible`: dostawca decyduje, które nadrzędne identyfikatory modeli obsługują TTL pamięci podręcznej promptów
+  na powody przełączenia awaryjnego, takie jak limit szybkości lub przeciążenie
+- `isCacheTtlEligible`: dostawca decyduje, które nadrzędne identyfikatory modeli obsługują TTL cache promptów
 - `buildMissingAuthMessage`: dostawca zastępuje ogólny błąd magazynu uwierzytelniania
  wskazówką odzyskiwania specyficzną dla dostawcy
- `suppressBuiltInModel`: dostawca ukrywa nieaktualne wiersze nadrzędne i może zwrócić
-  błąd zarządzany przez producenta przy bezpośrednich niepowodzeniach rozpoznania
- `augmentModelCatalog`: dostawca dołącza syntetyczne/końcowe wiersze katalogu po
+- `suppressBuiltInModel`: dostawca ukrywa nieaktualne wiersze upstream i może zwracać
+  błąd zarządzany przez dostawcę przy bezpośrednich niepowodzeniach rozpoznania
+- `augmentModelCatalog`: dostawca dopisuje syntetyczne/końcowe wiersze katalogu po
  wykryciu i scaleniu konfiguracji
- `isBinaryThinking`: dostawca zarządza UX binarnego włączania/wyłączania myślenia
+- `isBinaryThinking`: dostawca zarządza binarnym UX myślenia włącz/wyłącz
 - `supportsXHighThinking`: dostawca włącza `xhigh` dla wybranych modeli
 - `resolveDefaultThinkingLevel`: dostawca zarządza domyślną polityką `/think` dla
  rodziny modeli
 - `applyConfigDefaults`: dostawca stosuje globalne wartości domyślne specyficzne dla dostawcy
  podczas materializacji konfiguracji na podstawie trybu uwierzytelniania, środowiska lub rodziny modeli
- `isModernModelRef`: dostawca zarządza dopasowaniem preferowanego modelu live/smoke
- `prepareRuntimeAuth`: dostawca przekształca skonfigurowane poświadczenie w krótkożyjący
-  token środowiska wykonawczego
- `resolveUsageAuth`: dostawca rozwiązuje poświadczenia użycia/limitów dla `/usage`
-  i powiązanych powierzchni statusu/raportowania
- `fetchUsageSnapshot`: dostawca zarządza pobieraniem/parsowaniem endpointu użycia, podczas gdy
-  podstawowy system nadal zarządza powłoką podsumowania i formatowaniem
- `onModelSelected`: dostawca uruchamia efekty uboczne po wyborze modelu, takie jak
-  telemetria lub księgowanie sesji zarządzane przez dostawcę
+- `isModernModelRef`: dostawca zarządza dopasowaniem preferowanych modeli dla testów live/smoke
+- `prepareRuntimeAuth`: dostawca przekształca skonfigurowane poświadczenie w krótkotrwały
+  token runtime
+- `resolveUsageAuth`: dostawca rozwiązuje poświadczenia użycia/limitu dla `/usage`
+  oraz powiązanych powierzchni statusu/raportowania
+- `fetchUsageSnapshot`: dostawca zarządza pobieraniem/parsingiem endpointu użycia, podczas gdy
+  rdzeń nadal zarządza powłoką podsumowania i formatowaniem
+- `onModelSelected`: dostawca wykonuje działania uboczne po wyborze modelu, takie jak
+  telemetria lub zarządzane przez dostawcę prowadzenie księgowości sesji

-Obecne dołączone przykłady:
+Aktualne dołączone przykłady:

- `anthropic`: fallback zgodności w przód dla Claude 4.6, wskazówki naprawy uwierzytelniania, pobieranie
-  endpointu użycia, metadane TTL pamięci podręcznej/rodziny dostawcy oraz globalne
-  wartości domyślne konfiguracji zależne od uwierzytelniania
- `amazon-bedrock`: zarządzane przez dostawcę dopasowanie przepełnienia kontekstu oraz klasyfikacja
-  przyczyn przełączenia awaryjnego dla specyficznych dla Bedrock błędów throttlingu / not-ready, a także
-  współdzielona rodzina odtwarzania `anthropic-by-model` dla osłon zasad odtwarzania
-  tylko dla Claude w ruchu Anthropic
- `anthropic-vertex`: osłony zasad odtwarzania tylko dla Claude w ruchu
+- `anthropic`: fallback zgodności do przodu dla Claude 4.6, wskazówki naprawy uwierzytelniania, pobieranie
+  endpointu użycia, metadane cache-TTL/rodziny dostawcy oraz globalne
+  domyślne ustawienia konfiguracji zależne od uwierzytelniania
+- `amazon-bedrock`: zarządzane przez dostawcę dopasowywanie przepełnienia kontekstu i klasyfikacja
+  powodów failover dla błędów throttlingu/not-ready specyficznych dla Bedrock, a także
+  współdzielona rodzina odtwarzania `anthropic-by-model` dla ochrony polityki odtwarzania
+  tylko dla Claude na ruchu Anthropic
+- `anthropic-vertex`: zabezpieczenia polityki odtwarzania tylko dla Claude na ruchu
  `anthropic-message`
- `openrouter`: przekazywane identyfikatory modeli, wrapery żądań, wskazówki dotyczące możliwości dostawcy,
-  sanityzacja podpisu myśli Gemini w ruchu proxy Gemini, wstrzykiwanie
-  rozumowania proxy przez rodzinę streamingu `openrouter-thinking`, przekazywanie
-  metadanych routingu oraz polityka TTL pamięci podręcznej
- `github-copilot`: wdrażanie/logowanie urządzenia, fallback modeli zgodny w przód,
-  wskazówki transkryptu Claude-thinking, wymiana tokenów środowiska wykonawczego oraz pobieranie endpointu użycia
- `openai`: fallback zgodności w przód dla GPT-5.4, bezpośrednia normalizacja
-  transportu OpenAI, wskazówki brakującego uwierzytelniania świadome Codex, wyciszanie Spark, syntetyczne
-  wiersze katalogu OpenAI/Codex, polityka myślenia/modeli live, normalizacja aliasów tokenów użycia
+- `openrouter`: identyfikatory modeli pass-through, opakowania żądań, wskazówki dotyczące możliwości dostawcy,
+  sanityzacja sygnatur myśli Gemini na proxy ruchu Gemini, wstrzykiwanie rozumowania przez proxy
+  przez rodzinę strumieni `openrouter-thinking`, przekazywanie metadanych routingu
+  oraz polityka cache-TTL
+- `github-copilot`: onboarding/logowanie urządzenia, fallback zgodności do przodu modeli,
+  wskazówki transkryptu Claude-thinking, wymiana tokenu runtime oraz pobieranie endpointu
+  użycia
+- `openai`: fallback zgodności do przodu dla GPT-5.4, bezpośrednia normalizacja
+  transportu OpenAI, wskazówki brakującego uwierzytelniania uwzględniające Codex, wyciszenie Spark, syntetyczne
+  wiersze katalogu OpenAI/Codex, polityka thinking/live-model, normalizacja aliasów tokenów użycia
  (`input` / `output` oraz rodziny `prompt` / `completion`), współdzielona
-  rodzina streamingu `openai-responses-defaults` dla natywnych wrapperów OpenAI/Codex,
+  rodzina strumieni `openai-responses-defaults` dla natywnych opakowań OpenAI/Codex,
  metadane rodziny dostawcy, rejestracja dołączonego dostawcy generowania obrazów
  dla `gpt-image-1` oraz rejestracja dołączonego dostawcy generowania wideo
  dla `sora-2`
- `google` i `google-gemini-cli`: fallback zgodności w przód dla Gemini 3.1,
-  natywna walidacja odtwarzania Gemini, sanityzacja odtwarzania bootstrap, tagowany
-  tryb wyjścia rozumowania, dopasowanie nowoczesnych modeli, rejestracja dołączonego dostawcy generowania obrazów
+- `google` i `google-gemini-cli`: fallback zgodności do przodu dla Gemini 3.1,
+  natywna walidacja odtwarzania Gemini, sanityzacja odtwarzania bootstrap,
+  tryb wyjścia rozumowania oznaczanego tagami, dopasowanie nowoczesnych modeli, rejestracja dołączonego dostawcy generowania obrazów
  dla modeli Gemini image-preview oraz dołączona
-  rejestracja dostawcy generowania wideo dla modeli Veo; Gemini CLI OAuth również
-  zarządza formatowaniem tokenów profilu uwierzytelniania, analizą tokenów użycia i pobieraniem
-  endpointu limitów dla powierzchni użycia
- `moonshot`: współdzielony transport, zarządzana przez plugin normalizacja ładunku myślenia
- `kilocode`: współdzielony transport, zarządzane przez plugin nagłówki żądań, normalizacja
-  ładunku rozumowania, sanityzacja podpisu myśli proxy Gemini oraz polityka TTL pamięci podręcznej
- `zai`: fallback zgodności w przód dla GLM-5, wartości domyślne `tool_stream`, polityka TTL pamięci podręcznej,
-  polityka myślenia binarnego/modeli live oraz uwierzytelnianie użycia + pobieranie limitów;
+  rejestracja dostawcy generowania wideo dla modeli Veo; OAuth Gemini CLI zarządza też
+  formatowaniem tokenów profilu uwierzytelniania, parsowaniem tokenów użycia oraz pobieraniem endpointu limitów
+  dla powierzchni użycia
+- `moonshot`: współdzielony transport, zarządzana przez Plugin normalizacja payloadu thinking
+- `kilocode`: współdzielony transport, zarządzane przez Plugin nagłówki żądań, normalizacja payloadu rozumowania,
+  sanityzacja sygnatur myśli proxy-Gemini oraz polityka cache-TTL
+- `zai`: fallback zgodności do przodu dla GLM-5, domyślne `tool_stream`, polityka cache-TTL,
+  polityka binary-thinking/live-model oraz uwierzytelnianie użycia + pobieranie limitów;
  nieznane identyfikatory `glm-5*` są syntetyzowane z dołączonego szablonu `glm-4.7`
- `xai`: natywna normalizacja transportu Responses, przepisywanie aliasów `/fast` dla
-  szybkich wariantów Grok, domyślne `tool_stream`, czyszczenie schematu narzędzi /
-  ładunku rozumowania specyficzne dla xAI oraz dołączona rejestracja dostawcy generowania wideo
+- `xai`: natywna normalizacja transportu Responses, przepisania aliasów `/fast` dla
+  szybkich wariantów Grok, domyślne `tool_stream`, czyszczenie schematów narzędzi / payloadów rozumowania
+  specyficzne dla xAI oraz dołączona rejestracja dostawcy generowania wideo
  dla `grok-imagine-video`
- `mistral`: metadane możliwości zarządzane przez plugin
- `opencode` i `opencode-go`: metadane możliwości zarządzane przez plugin oraz
-  sanityzacja podpisu myśli proxy Gemini
- `alibaba`: zarządzany przez plugin katalog generowania wideo dla bezpośrednich referencji modeli Wan
+- `mistral`: metadane możliwości zarządzane przez Plugin
+- `opencode` i `opencode-go`: metadane możliwości zarządzane przez Plugin oraz
+  sanityzacja sygnatur myśli proxy-Gemini
+- `alibaba`: zarządzany przez Plugin katalog generowania wideo dla bezpośrednich referencji modeli Wan
  takich jak `alibaba/wan2.6-t2v`
- `byteplus`: katalogi zarządzane przez plugin oraz dołączona rejestracja dostawcy generowania wideo
+- `byteplus`: katalogi zarządzane przez Plugin oraz dołączona rejestracja dostawcy generowania wideo
  dla modeli Seedance text-to-video/image-to-video
- `fal`: dołączona rejestracja dostawcy generowania wideo dla hostowanych modeli zewnętrznych,
-  rejestracja dostawcy generowania obrazów dla modeli FLUX oraz dołączona
-  rejestracja dostawcy generowania wideo dla hostowanych modeli zewnętrznych
+- `fal`: dołączona rejestracja dostawcy generowania wideo dla hostowanych zewnętrznych modeli
+  oraz rejestracja dostawcy generowania obrazów dla modeli obrazów FLUX, a także dołączona
+  rejestracja dostawcy generowania wideo dla hostowanych zewnętrznych modeli wideo
 - `cloudflare-ai-gateway`, `huggingface`, `kimi`, `nvidia`, `qianfan`,
  `stepfun`, `synthetic`, `venice`, `vercel-ai-gateway` i `volcengine`:
-  tylko katalogi zarządzane przez plugin
- `qwen`: katalogi zarządzane przez plugin dla modeli tekstowych oraz współdzielone
-  rejestracje dostawców media-understanding i generowania wideo dla jego powierzchni multimodalnych;
-  generowanie wideo Qwen używa standardowych endpointów wideo DashScope ze
-  dołączonymi modelami Wan, takimi jak `wan2.6-t2v` i `wan2.7-r2v`
- `runway`: rejestracja dostawcy generowania wideo zarządzana przez plugin dla natywnych
-  modeli opartych na zadaniach Runway, takich jak `gen4.5`
- `minimax`: katalogi zarządzane przez plugin, dołączona rejestracja dostawcy generowania wideo
+  wyłącznie katalogi zarządzane przez Plugin
+- `qwen`: katalogi zarządzane przez Plugin dla modeli tekstowych oraz współdzielone
+  rejestracje dostawców rozumienia mediów i generowania wideo dla ich
+  multimodalnych powierzchni; generowanie wideo Qwen używa standardowych endpointów wideo DashScope
+  z dołączonymi modelami Wan, takimi jak `wan2.6-t2v` i `wan2.7-r2v`
+- `runway`: zarządzana przez Plugin rejestracja dostawcy generowania wideo dla natywnych
+  modeli Runway opartych na zadaniach, takich jak `gen4.5`
+- `minimax`: katalogi zarządzane przez Plugin, dołączona rejestracja dostawcy generowania wideo
  dla modeli wideo Hailuo, dołączona rejestracja dostawcy generowania obrazów
-  dla `image-01`, hybrydowy wybór zasad odtwarzania Anthropic/OpenAI oraz logika
-  uwierzytelniania/migawki użycia
- `together`: katalogi zarządzane przez plugin oraz dołączona rejestracja dostawcy generowania wideo
+  dla `image-01`, hybrydowy wybór polityki odtwarzania Anthropic/OpenAI
+  oraz logika uwierzytelniania/migawek użycia
+- `together`: katalogi zarządzane przez Plugin oraz dołączona rejestracja dostawcy generowania wideo
  dla modeli wideo Wan
- `xiaomi`: katalogi zarządzane przez plugin oraz logika uwierzytelniania/migawki użycia
+- `xiaomi`: katalogi zarządzane przez Plugin oraz logika uwierzytelniania/migawek użycia

-Dołączony plugin `openai` zarządza teraz oboma identyfikatorami dostawców: `openai` i
+Dołączony Plugin `openai` obsługuje teraz oba identyfikatory dostawców: `openai` i
 `openai-codex`.

 To obejmuje dostawców, którzy nadal mieszczą się w standardowych transportach OpenClaw. Dostawca,
-który potrzebuje całkowicie niestandardowego wykonawcy żądań, jest osobną, głębszą powierzchnią rozszerzeń.
+który wymaga całkowicie niestandardowego wykonawcy żądań, to osobna, głębsza powierzchnia rozszerzeń.

 ## Rotacja kluczy API

@ -235,17 +236,16 @@ który potrzebuje całkowicie niestandardowego wykonawcy żądań, jest osobną,
 - Skonfiguruj wiele kluczy przez:
  - `OPENCLAW_LIVE_<PROVIDER>_KEY` (pojedyncze nadpisanie live, najwyższy priorytet)
  - `<PROVIDER>_API_KEYS` (lista rozdzielana przecinkami lub średnikami)
-  - `<PROVIDER>_API_KEY` (klucz podstawowy)
+  - `<PROVIDER>_API_KEY` (klucz główny)
  - `<PROVIDER>_API_KEY_*` (lista numerowana, np. `<PROVIDER>_API_KEY_1`)
- Dla dostawców Google `GOOGLE_API_KEY` jest również uwzględniany jako fallback.
+- Dla dostawców Google jako fallback uwzględniany jest także `GOOGLE_API_KEY`.
 - Kolejność wyboru kluczy zachowuje priorytet i usuwa duplikaty wartości.
- Żądania są ponawiane z następnym kluczem tylko przy odpowiedziach o przekroczeniu limitu szybkości (na
+- Żądania są ponawiane z następnym kluczem tylko przy odpowiedziach z limitem szybkości (na
  przykład `429`, `rate_limit`, `quota`, `resource exhausted`, `Too many
 concurrent requests`, `ThrottlingException`, `concurrency limit reached`,
-  `workers_ai ... quota limit exceeded` lub okresowych komunikatach o limicie użycia).
- Błędy inne niż związane z limitem szybkości kończą się natychmiastowym niepowodzeniem; nie jest podejmowana
-  próba rotacji klucza.
- Gdy wszystkie kandydackie klucze zawiodą, zwracany jest końcowy błąd z ostatniej próby.
+  `workers_ai ... quota limit exceeded` lub okresowe komunikaty o limicie użycia).
+- Błędy inne niż związane z limitem szybkości kończą się od razu niepowodzeniem; rotacja kluczy nie jest podejmowana.
+- Gdy wszystkie klucze kandydackie zawiodą, zwracany jest końcowy błąd z ostatniej próby.

 ## Wbudowani dostawcy (katalog pi-ai)

@ -256,21 +256,21 @@ konfiguracji `models.providers`; wystarczy ustawić uwierzytelnianie i wybrać m

 - Dostawca: `openai`
 - Uwierzytelnianie: `OPENAI_API_KEY`
- Opcjonalna rotacja: `OPENAI_API_KEYS`, `OPENAI_API_KEY_1`, `OPENAI_API_KEY_2` oraz `OPENCLAW_LIVE_OPENAI_KEY` (pojedyncze nadpisanie)
+- Opcjonalna rotacja: `OPENAI_API_KEYS`, `OPENAI_API_KEY_1`, `OPENAI_API_KEY_2`, oraz `OPENCLAW_LIVE_OPENAI_KEY` (pojedyncze nadpisanie)
 - Przykładowe modele: `openai/gpt-5.4`, `openai/gpt-5.4-pro`
 - CLI: `openclaw onboard --auth-choice openai-api-key`
 - Domyślny transport to `auto` (najpierw WebSocket, fallback do SSE)
- Nadpisanie dla modelu przez `agents.defaults.models["openai/<model>"].params.transport` (`"sse"`, `"websocket"` lub `"auto"`)
- Rozgrzewka OpenAI Responses WebSocket jest domyślnie włączona przez `params.openaiWsWarmup` (`true`/`false`)
+- Nadpisanie dla konkretnego modelu przez `agents.defaults.models["openai/<model>"].params.transport` (`"sse"`, `"websocket"` lub `"auto"`)
+- Rozgrzewanie WebSocket OpenAI Responses jest domyślnie włączone przez `params.openaiWsWarmup` (`true`/`false`)
 - Priorytetowe przetwarzanie OpenAI można włączyć przez `agents.defaults.models["openai/<model>"].params.serviceTier`
- `/fast` i `params.fastMode` mapują bezpośrednie żądania Responses `openai/*` na `service_tier=priority` w `api.openai.com`
- Użyj `params.serviceTier`, gdy chcesz jawnie ustawić poziom zamiast współdzielonego przełącznika `/fast`
+- `/fast` oraz `params.fastMode` mapują bezpośrednie żądania Responses `openai/*` na `service_tier=priority` na `api.openai.com`
+- Używaj `params.serviceTier`, gdy chcesz jawnego poziomu zamiast współdzielonego przełącznika `/fast`
 - Ukryte nagłówki atrybucji OpenClaw (`originator`, `version`,
-  `User-Agent`) mają zastosowanie tylko do natywnego ruchu OpenAI do `api.openai.com`, a nie
+  `User-Agent`) są stosowane tylko w natywnym ruchu OpenAI do `api.openai.com`, a nie
  do ogólnych proxy zgodnych z OpenAI
- Natywne trasy OpenAI zachowują także `store` dla Responses, wskazówki pamięci podręcznej promptów oraz
-  kształtowanie ładunku zgodności rozumowania OpenAI; trasy proxy tego nie robią
- `openai/gpt-5.3-codex-spark` jest celowo wyciszony w OpenClaw, ponieważ aktywne API OpenAI go odrzuca; Spark jest traktowany jako tylko Codex
+- Natywne trasy OpenAI zachowują też `store` dla Responses, wskazówki cache promptów oraz
+  kształtowanie payloadu zgodności rozumowania OpenAI; trasy proxy tego nie robią
+- `openai/gpt-5.3-codex-spark` jest celowo wyciszony w OpenClaw, ponieważ aktywne API OpenAI go odrzuca; Spark jest traktowany wyłącznie jako Codex

 ```json5
 {
@ -282,12 +282,12 @@ konfiguracji `models.providers`; wystarczy ustawić uwierzytelnianie i wybrać m

 - Dostawca: `anthropic`
 - Uwierzytelnianie: `ANTHROPIC_API_KEY`
- Opcjonalna rotacja: `ANTHROPIC_API_KEYS`, `ANTHROPIC_API_KEY_1`, `ANTHROPIC_API_KEY_2` oraz `OPENCLAW_LIVE_ANTHROPIC_KEY` (pojedyncze nadpisanie)
+- Opcjonalna rotacja: `ANTHROPIC_API_KEYS`, `ANTHROPIC_API_KEY_1`, `ANTHROPIC_API_KEY_2`, oraz `OPENCLAW_LIVE_ANTHROPIC_KEY` (pojedyncze nadpisanie)
 - Przykładowy model: `anthropic/claude-opus-4-6`
 - CLI: `openclaw onboard --auth-choice apiKey`
- Bezpośrednie publiczne żądania Anthropic obsługują również współdzielony przełącznik `/fast` i `params.fastMode`, w tym ruch uwierzytelniany kluczem API i OAuth wysyłany do `api.anthropic.com`; OpenClaw mapuje to na Anthropic `service_tier` (`auto` vs `standard_only`)
- Uwaga dotycząca Anthropic: pracownicy Anthropic powiedzieli nam, że użycie Claude CLI w stylu OpenClaw jest znowu dozwolone, więc OpenClaw traktuje ponowne użycie Claude CLI i użycie `claude -p` jako zatwierdzone dla tej integracji, chyba że Anthropic opublikuje nową politykę.
- Token konfiguracji Anthropic pozostaje dostępną, obsługiwaną ścieżką tokenu OpenClaw, ale OpenClaw teraz preferuje ponowne użycie Claude CLI i `claude -p`, gdy są dostępne.
+- Bezpośrednie publiczne żądania Anthropic obsługują też współdzielony przełącznik `/fast` i `params.fastMode`, w tym ruch uwierzytelniany kluczem API i OAuth wysyłany do `api.anthropic.com`; OpenClaw mapuje to na Anthropic `service_tier` (`auto` vs `standard_only`)
+- Uwaga Anthropic: pracownicy Anthropic przekazali nam, że użycie Claude CLI w stylu OpenClaw jest znów dozwolone, więc OpenClaw traktuje ponowne użycie Claude CLI i użycie `claude -p` jako zatwierdzone dla tej integracji, chyba że Anthropic opublikuje nową politykę.
+- Token konfiguracji Anthropic pozostaje dostępny jako obsługiwana ścieżka tokenu OpenClaw, ale OpenClaw preferuje teraz ponowne użycie Claude CLI i `claude -p`, gdy są dostępne.

 ```json5
 {
@ -302,15 +302,15 @@ konfiguracji `models.providers`; wystarczy ustawić uwierzytelnianie i wybrać m
 - Przykładowy model: `openai-codex/gpt-5.4`
 - CLI: `openclaw onboard --auth-choice openai-codex` lub `openclaw models auth login --provider openai-codex`
 - Domyślny transport to `auto` (najpierw WebSocket, fallback do SSE)
- Nadpisanie dla modelu przez `agents.defaults.models["openai-codex/<model>"].params.transport` (`"sse"`, `"websocket"` lub `"auto"`)
- `params.serviceTier` jest również przekazywane w natywnych żądaniach Codex Responses (`chatgpt.com/backend-api`)
+- Nadpisanie dla konkretnego modelu przez `agents.defaults.models["openai-codex/<model>"].params.transport` (`"sse"`, `"websocket"` lub `"auto"`)
+- `params.serviceTier` jest też przekazywane w natywnych żądaniach Codex Responses (`chatgpt.com/backend-api`)
 - Ukryte nagłówki atrybucji OpenClaw (`originator`, `version`,
-  `User-Agent`) są dołączane tylko do natywnego ruchu Codex do
+  `User-Agent`) są dołączane tylko w natywnym ruchu Codex do
  `chatgpt.com/backend-api`, a nie do ogólnych proxy zgodnych z OpenAI
- Współdzieli ten sam przełącznik `/fast` i konfigurację `params.fastMode`, co bezpośrednie `openai/*`; OpenClaw mapuje to na `service_tier=priority`
+- Współdzieli ten sam przełącznik `/fast` i konfigurację `params.fastMode` co bezpośrednie `openai/*`; OpenClaw mapuje to na `service_tier=priority`
 - `openai-codex/gpt-5.3-codex-spark` pozostaje dostępny, gdy katalog OAuth Codex go udostępnia; zależne od uprawnień
- `openai-codex/gpt-5.4` zachowuje natywne `contextWindow = 1050000` i domyślne środowisko wykonawcze `contextTokens = 272000`; nadpisz limit środowiska wykonawczego przez `models.providers.openai-codex.models[].contextTokens`
- Uwaga dotycząca polityki: OAuth OpenAI Codex jest jawnie obsługiwany dla zewnętrznych narzędzi/przepływów pracy, takich jak OpenClaw.
+- `openai-codex/gpt-5.4` zachowuje natywne `contextWindow = 1050000` oraz domyślne runtime `contextTokens = 272000`; nadpisz limit runtime przez `models.providers.openai-codex.models[].contextTokens`
+- Uwaga dotycząca polityki: OAuth OpenAI Codex jest oficjalnie obsługiwany dla zewnętrznych narzędzi/przepływów pracy, takich jak OpenClaw.

 ```json5
 {
@ -333,14 +333,14 @@ konfiguracji `models.providers`; wystarczy ustawić uwierzytelnianie i wybrać m
 ### Inne hostowane opcje w stylu subskrypcyjnym

 - [Qwen Cloud](/pl/providers/qwen): powierzchnia dostawcy Qwen Cloud oraz mapowanie endpointów Alibaba DashScope i Coding Plan
- [MiniMax](/pl/providers/minimax): dostęp MiniMax Coding Plan przez OAuth lub klucz API
+- [MiniMax](/pl/providers/minimax): OAuth MiniMax Coding Plan lub dostęp przez klucz API
 - [GLM Models](/pl/providers/glm): Z.AI Coding Plan lub ogólne endpointy API

 ### OpenCode

 - Uwierzytelnianie: `OPENCODE_API_KEY` (lub `OPENCODE_ZEN_API_KEY`)
- Dostawca środowiska wykonawczego Zen: `opencode`
- Dostawca środowiska wykonawczego Go: `opencode-go`
+- Dostawca runtime Zen: `opencode`
+- Dostawca runtime Go: `opencode-go`
 - Przykładowe modele: `opencode/claude-opus-4-6`, `opencode-go/kimi-k2.5`
 - CLI: `openclaw onboard --auth-choice opencode-zen` lub `openclaw onboard --auth-choice opencode-go`

@ -358,26 +358,26 @@ konfiguracji `models.providers`; wystarczy ustawić uwierzytelnianie i wybrać m
 - Przykładowe modele: `google/gemini-3.1-pro-preview`, `google/gemini-3-flash-preview`
 - Zgodność: starsza konfiguracja OpenClaw używająca `google/gemini-3.1-flash-preview` jest normalizowana do `google/gemini-3-flash-preview`
 - CLI: `openclaw onboard --auth-choice gemini-api-key`
- Bezpośrednie uruchomienia Gemini akceptują także `agents.defaults.models["google/<model>"].params.cachedContent`
+- Bezpośrednie uruchomienia Gemini akceptują też `agents.defaults.models["google/<model>"].params.cachedContent`
  (lub starsze `cached_content`) do przekazania natywnego dla dostawcy
-  uchwytu `cachedContents/...`; trafienia pamięci podręcznej Gemini są widoczne jako OpenClaw `cacheRead`
+  uchwytu `cachedContents/...`; trafienia cache Gemini są ujawniane jako OpenClaw `cacheRead`

 ### Google Vertex i Gemini CLI

 - Dostawcy: `google-vertex`, `google-gemini-cli`
 - Uwierzytelnianie: Vertex używa gcloud ADC; Gemini CLI używa własnego przepływu OAuth
- Uwaga: OAuth Gemini CLI w OpenClaw to nieoficjalna integracja. Niektórzy użytkownicy zgłaszali ograniczenia kont Google po użyciu klientów zewnętrznych. Przejrzyj warunki Google i użyj niekrytycznego konta, jeśli zdecydujesz się kontynuować.
- OAuth Gemini CLI jest dostarczany jako część dołączonego pluginu `google`.
+- Uwaga: OAuth Gemini CLI w OpenClaw jest nieoficjalną integracją. Niektórzy użytkownicy zgłaszali ograniczenia kont Google po użyciu klientów zewnętrznych. Zapoznaj się z warunkami Google i użyj niekrytycznego konta, jeśli zdecydujesz się kontynuować.
+- OAuth Gemini CLI jest dostarczany jako część dołączonego Plugin `google`.
  - Najpierw zainstaluj Gemini CLI:
    - `brew install gemini-cli`
    - lub `npm install -g @google/gemini-cli`
  - Włącz: `openclaw plugins enable google`
  - Zaloguj się: `openclaw models auth login --provider google-gemini-cli --set-default`
-  - Model domyślny: `google-gemini-cli/gemini-3-flash-preview`
+  - Domyślny model: `google-gemini-cli/gemini-3-flash-preview`
  - Uwaga: **nie** wklejasz identyfikatora klienta ani sekretu do `openclaw.json`. Przepływ logowania CLI zapisuje
-    tokeny w profilach uwierzytelniania na hoście bramy.
-  - Jeśli żądania kończą się niepowodzeniem po zalogowaniu, ustaw `GOOGLE_CLOUD_PROJECT` lub `GOOGLE_CLOUD_PROJECT_ID` na hoście bramy.
-  - Odpowiedzi JSON Gemini CLI są analizowane z `response`; użycie wraca awaryjnie do
+    tokeny w profilach uwierzytelniania na hoście Gateway.
+  - Jeśli żądania kończą się niepowodzeniem po zalogowaniu, ustaw `GOOGLE_CLOUD_PROJECT` lub `GOOGLE_CLOUD_PROJECT_ID` na hoście Gateway.
+  - Odpowiedzi JSON Gemini CLI są parsowane z `response`; użycie przechodzi awaryjnie do
    `stats`, a `stats.cached` jest normalizowane do OpenClaw `cacheRead`.

 ### Z.AI (GLM)
@ -403,36 +403,36 @@ konfiguracji `models.providers`; wystarczy ustawić uwierzytelnianie i wybrać m
 - Przykładowy model: `kilocode/kilo/auto`
 - CLI: `openclaw onboard --auth-choice kilocode-api-key`
 - Bazowy URL: `https://api.kilo.ai/api/gateway/`
- Statyczny katalog fallback jest dostarczany z `kilocode/kilo/auto`; aktywne
-  wykrywanie `https://api.kilo.ai/api/gateway/models` może dalej rozszerzyć katalog
-  środowiska wykonawczego.
- Dokładny routing nadrzędny stojący za `kilocode/kilo/auto` jest zarządzany przez Kilo Gateway,
+- Statyczny katalog fallback zawiera `kilocode/kilo/auto`; aktywne
+  wykrywanie `https://api.kilo.ai/api/gateway/models` może dalej rozszerzać
+  katalog runtime.
+- Dokładny routing upstream za `kilocode/kilo/auto` jest zarządzany przez Kilo Gateway,
  a nie zakodowany na sztywno w OpenClaw.

 Szczegóły konfiguracji znajdziesz w [/providers/kilocode](/pl/providers/kilocode).

-### Inne dołączone pluginy dostawców
+### Inne dołączone provider plugins

 - OpenRouter: `openrouter` (`OPENROUTER_API_KEY`)
 - Przykładowy model: `openrouter/auto`
- OpenClaw stosuje udokumentowane nagłówki atrybucji aplikacji OpenRouter tylko wtedy, gdy
+- OpenClaw stosuje udokumentowane przez OpenRouter nagłówki atrybucji aplikacji tylko wtedy, gdy
  żądanie faktycznie trafia do `openrouter.ai`
 - Specyficzne dla OpenRouter znaczniki Anthropic `cache_control` są podobnie ograniczone do
  zweryfikowanych tras OpenRouter, a nie dowolnych adresów proxy
- OpenRouter pozostaje na ścieżce proxy w stylu zgodnym z OpenAI, więc natywne
-  formatowanie żądań tylko dla OpenAI (`serviceTier`, `store` dla Responses,
-  wskazówki pamięci podręcznej promptów, ładunki zgodności rozumowania OpenAI) nie jest przekazywane
- Referencje OpenRouter oparte na Gemini zachowują tylko ścieżkę sanityzacji podpisu myśli proxy Gemini;
-  natywna walidacja odtwarzania Gemini i przepisywanie bootstrap pozostają wyłączone
+- OpenRouter pozostaje na ścieżce proxy w stylu kompatybilnym z OpenAI, więc natywne
+  kształtowanie żądań tylko dla OpenAI (`serviceTier`, `store` dla Responses,
+  wskazówki cache promptów, payloady zgodności rozumowania OpenAI) nie jest przekazywane
+- Referencje OpenRouter oparte na Gemini zachowują tylko sanityzację sygnatur myśli proxy-Gemini;
+  natywna walidacja odtwarzania Gemini i przepisania bootstrap pozostają wyłączone
 - Kilo Gateway: `kilocode` (`KILOCODE_API_KEY`)
 - Przykładowy model: `kilocode/kilo/auto`
- Referencje Kilo oparte na Gemini zachowują tę samą ścieżkę sanityzacji podpisu myśli proxy Gemini;
-  `kilocode/kilo/auto` i inne wskazówki nieobsługujące rozumowania przez proxy
+- Referencje Kilo oparte na Gemini zachowują tę samą ścieżkę sanityzacji sygnatur myśli
+  proxy-Gemini; `kilocode/kilo/auto` i inne wskazówki proxy bez obsługi rozumowania
  pomijają wstrzykiwanie rozumowania przez proxy
 - MiniMax: `minimax` (klucz API) i `minimax-portal` (OAuth)
 - Uwierzytelnianie: `MINIMAX_API_KEY` dla `minimax`; `MINIMAX_OAUTH_TOKEN` lub `MINIMAX_API_KEY` dla `minimax-portal`
 - Przykładowy model: `minimax/MiniMax-M2.7` lub `minimax-portal/MiniMax-M2.7`
- Konfiguracja wdrażania / klucza API MiniMax zapisuje jawne definicje modeli M2.7 z
+- Onboarding MiniMax/konfiguracja klucza API zapisuje jawne definicje modeli M2.7 z
  `input: ["text", "image"]`; dołączony katalog dostawcy zachowuje referencje czatu
  jako tylko tekstowe, dopóki konfiguracja tego dostawcy nie zostanie zmaterializowana
 - Moonshot: `moonshot` (`MOONSHOT_API_KEY`)
@ -461,35 +461,35 @@ Szczegóły konfiguracji znajdziesz w [/providers/kilocode](/pl/providers/kiloco
 - Przykładowy model: `byteplus-plan/ark-code-latest`
 - xAI: `xai` (`XAI_API_KEY`)
  - Natywne dołączone żądania xAI używają ścieżki xAI Responses
-  - `/fast` lub `params.fastMode: true` przepisuje `grok-3`, `grok-3-mini`,
+  - `/fast` lub `params.fastMode: true` przepisują `grok-3`, `grok-3-mini`,
    `grok-4` i `grok-4-0709` na ich warianty `*-fast`
  - `tool_stream` jest domyślnie włączone; ustaw
    `agents.defaults.models["xai/<model>"].params.tool_stream` na `false`, aby
-    je wyłączyć
+    to wyłączyć
 - Mistral: `mistral` (`MISTRAL_API_KEY`)
 - Przykładowy model: `mistral/mistral-large-latest`
 - CLI: `openclaw onboard --auth-choice mistral-api-key`
 - Groq: `groq` (`GROQ_API_KEY`)
 - Cerebras: `cerebras` (`CEREBRAS_API_KEY`)
  - Modele GLM w Cerebras używają identyfikatorów `zai-glm-4.7` i `zai-glm-4.6`.
-  - Bazowy URL zgodny z OpenAI: `https://api.cerebras.ai/v1`.
+  - Bazowy URL kompatybilny z OpenAI: `https://api.cerebras.ai/v1`.
 - GitHub Copilot: `github-copilot` (`COPILOT_GITHUB_TOKEN` / `GH_TOKEN` / `GITHUB_TOKEN`)
 - Przykładowy model Hugging Face Inference: `huggingface/deepseek-ai/DeepSeek-R1`; CLI: `openclaw onboard --auth-choice huggingface-api-key`. Zobacz [Hugging Face (Inference)](/pl/providers/huggingface).

-## Dostawcy przez `models.providers` (własny / bazowy URL)
+## Dostawcy przez `models.providers` (niestandardowy/bazowy URL)

-Użyj `models.providers` (lub `models.json`), aby dodać **niestandardowych** dostawców lub
-proxy zgodne z OpenAI/Anthropic.
+Użyj `models.providers` (lub `models.json`), aby dodać **niestandardowych** dostawców albo
+proxy kompatybilne z OpenAI/Anthropic.

-Wiele z poniższych dołączonych pluginów dostawców publikuje już domyślny katalog.
-Używaj jawnych wpisów `models.providers.<id>` tylko wtedy, gdy chcesz zastąpić
+Wiele z dołączonych poniżej provider plugins publikuje już domyślny katalog.
+Używaj jawnych wpisów `models.providers.<id>` tylko wtedy, gdy chcesz nadpisać
 domyślny bazowy URL, nagłówki lub listę modeli.

 ### Moonshot AI (Kimi)

-Moonshot jest dostarczany jako dołączony plugin dostawcy. Domyślnie używaj wbudowanego dostawcy,
+Moonshot jest dostarczany jako dołączony Plugin dostawcy. Domyślnie używaj wbudowanego dostawcy,
 a jawny wpis `models.providers.moonshot` dodawaj tylko wtedy, gdy
-musisz zastąpić bazowy URL lub metadane modelu:
+musisz nadpisać bazowy URL lub metadane modelu:

 - Dostawca: `moonshot`
 - Uwierzytelnianie: `MOONSHOT_API_KEY`
@ -528,7 +528,7 @@ Identyfikatory modeli Kimi K2:

 ### Kimi Coding

-Kimi Coding używa endpointu Moonshot AI zgodnego z Anthropic:
+Kimi Coding używa endpointu Anthropic-compatible od Moonshot AI:

 - Dostawca: `kimi`
 - Uwierzytelnianie: `KIMI_API_KEY`
@ -543,7 +543,7 @@ Kimi Coding używa endpointu Moonshot AI zgodnego z Anthropic:
 }
 ```

-Starszy identyfikator modelu zgodności `kimi/k2p5` nadal jest akceptowany.
+Starsze `kimi/k2p5` pozostaje akceptowanym identyfikatorem modelu zgodności.

 ### Volcano Engine (Doubao)

@ -562,12 +562,12 @@ Volcano Engine (火山引擎) zapewnia dostęp do Doubao i innych modeli w China
 }
 ```

-Wdrażanie domyślnie używa powierzchni coding, ale ogólny katalog `volcengine/*`
+Onboarding domyślnie używa powierzchni coding, ale ogólny katalog `volcengine/*`
 jest rejestrowany w tym samym czasie.

-W selektorach modeli wdrażania/konfiguracji wybór uwierzytelniania Volcengine preferuje zarówno
+W selektorach modeli onboarding/configure wybór uwierzytelniania Volcengine preferuje zarówno
 wiersze `volcengine/*`, jak i `volcengine-plan/*`. Jeśli te modele nie są jeszcze załadowane,
-OpenClaw wraca do niefiltrowanego katalogu zamiast pokazywać pusty
+OpenClaw przechodzi awaryjnie do niefiltrowanego katalogu zamiast pokazywać pusty
 selektor ograniczony do dostawcy.

 Dostępne modele:
@ -588,7 +588,7 @@ Modele coding (`volcengine-plan`):

 ### BytePlus (międzynarodowy)

-BytePlus ARK zapewnia użytkownikom międzynarodowym dostęp do tych samych modeli co Volcano Engine.
+BytePlus ARK zapewnia międzynarodowym użytkownikom dostęp do tych samych modeli co Volcano Engine.

 - Dostawca: `byteplus` (coding: `byteplus-plan`)
 - Uwierzytelnianie: `BYTEPLUS_API_KEY`
@ -603,12 +603,12 @@ BytePlus ARK zapewnia użytkownikom międzynarodowym dostęp do tych samych mode
 }
 ```

-Wdrażanie domyślnie używa powierzchni coding, ale ogólny katalog `byteplus/*`
+Onboarding domyślnie używa powierzchni coding, ale ogólny katalog `byteplus/*`
 jest rejestrowany w tym samym czasie.

-W selektorach modeli wdrażania/konfiguracji wybór uwierzytelniania BytePlus preferuje zarówno
+W selektorach modeli onboarding/configure wybór uwierzytelniania BytePlus preferuje zarówno
 wiersze `byteplus/*`, jak i `byteplus-plan/*`. Jeśli te modele nie są jeszcze załadowane,
-OpenClaw wraca do niefiltrowanego katalogu zamiast pokazywać pusty
+OpenClaw przechodzi awaryjnie do niefiltrowanego katalogu zamiast pokazywać pusty
 selektor ograniczony do dostawcy.

 Dostępne modele:
@ -627,7 +627,7 @@ Modele coding (`byteplus-plan`):

 ### Synthetic

-Synthetic udostępnia modele zgodne z Anthropic za dostawcą `synthetic`:
+Synthetic udostępnia modele kompatybilne z Anthropic za dostawcą `synthetic`:

 - Dostawca: `synthetic`
 - Uwierzytelnianie: `SYNTHETIC_API_KEY`
@ -666,23 +666,45 @@ MiniMax jest konfigurowany przez `models.providers`, ponieważ używa niestandar

 Szczegóły konfiguracji, opcje modeli i fragmenty konfiguracji znajdziesz w [/providers/minimax](/pl/providers/minimax).

-Na ścieżce streamingu MiniMax zgodnej z Anthropic OpenClaw domyślnie wyłącza myślenie,
-chyba że jawnie je ustawisz, a `/fast on` przepisuje
+Na ścieżce streamingu kompatybilnej z Anthropic w MiniMax OpenClaw domyślnie wyłącza thinking,
+chyba że ustawisz je jawnie, a `/fast on` przepisuje
 `MiniMax-M2.7` na `MiniMax-M2.7-highspeed`.

-Podział możliwości zarządzanych przez plugin:
+Podział możliwości zarządzanych przez Plugin:

- Domyślne ustawienia tekstu/czatu pozostają na `minimax/MiniMax-M2.7`
+- Domyślne ustawienia tekst/czat pozostają przy `minimax/MiniMax-M2.7`
 - Generowanie obrazów to `minimax/image-01` lub `minimax-portal/image-01`
- Rozumienie obrazów to zarządzany przez plugin `MiniMax-VL-01` na obu ścieżkach uwierzytelniania MiniMax
+- Rozumienie obrazów to zarządzany przez Plugin `MiniMax-VL-01` w obu ścieżkach uwierzytelniania MiniMax
 - Wyszukiwanie w sieci pozostaje przy identyfikatorze dostawcy `minimax`

+### LM Studio
+
+LM Studio jest dostarczane jako dołączony Plugin dostawcy, który używa natywnego API:
+
+- Dostawca: `lmstudio`
+- Uwierzytelnianie: `LM_API_TOKEN`
+- Domyślny bazowy URL wnioskowania: `http://localhost:1234/v1`
+
+Następnie ustaw model (zastąp jednym z identyfikatorów zwróconych przez `http://localhost:1234/api/v1/models`):
+
+```json5
+{
+  agents: {
+    defaults: { model: { primary: "lmstudio/openai/gpt-oss-20b" } },
+  },
+}
+```
+
+OpenClaw używa natywnych endpointów LM Studio `/api/v1/models` i `/api/v1/models/load`
+do wykrywania + automatycznego ładowania, a domyślnie do wnioskowania używa `/v1/chat/completions`.
+Konfigurację i rozwiązywanie problemów znajdziesz w [/providers/lmstudio](/pl/providers/lmstudio).
+
 ### Ollama

-Ollama jest dostarczana jako dołączony plugin dostawcy i używa natywnego API Ollama:
+Ollama jest dostarczana jako dołączony Plugin dostawcy i używa natywnego API Ollama:

 - Dostawca: `ollama`
- Uwierzytelnianie: nie jest wymagane (serwer lokalny)
+- Uwierzytelnianie: niewymagane (serwer lokalny)
 - Przykładowy model: `ollama/llama3.3`
 - Instalacja: [https://ollama.com/download](https://ollama.com/download)

@ -700,17 +722,17 @@ ollama pull llama3.3
 ```

 Ollama jest wykrywana lokalnie pod adresem `http://127.0.0.1:11434`, gdy włączysz ją przez
-`OLLAMA_API_KEY`, a dołączony plugin dostawcy dodaje Ollama bezpośrednio do
-`openclaw onboard` i selektora modeli. Zobacz [/providers/ollama](/pl/providers/ollama),
-aby poznać szczegóły wdrażania, trybu chmurowego/lokalnego i konfiguracji niestandardowej.
+`OLLAMA_API_KEY`, a dołączony Plugin dostawcy dodaje Ollama bezpośrednio do
+`openclaw onboard` oraz selektora modeli. Zobacz [/providers/ollama](/pl/providers/ollama),
+aby poznać onboarding, tryb cloud/local oraz konfigurację niestandardową.

 ### vLLM

-vLLM jest dostarczany jako dołączony plugin dostawcy dla lokalnych / samohostowanych
-serwerów zgodnych z OpenAI:
+vLLM jest dostarczany jako dołączony Plugin dostawcy dla lokalnych/self-hosted serwerów
+kompatybilnych z OpenAI:

 - Dostawca: `vllm`
- Uwierzytelnianie: opcjonalne (zależy od serwera)
+- Uwierzytelnianie: opcjonalne (zależy od Twojego serwera)
 - Domyślny bazowy URL: `http://127.0.0.1:8000/v1`

 Aby włączyć lokalne automatyczne wykrywanie (dowolna wartość działa, jeśli serwer nie wymusza uwierzytelniania):
@ -719,7 +741,7 @@ Aby włączyć lokalne automatyczne wykrywanie (dowolna wartość działa, jeśl
 export VLLM_API_KEY="vllm-local"
 ```

-Następnie ustaw model (zastąp jedną z wartości identyfikatorów zwracanych przez `/v1/models`):
+Następnie ustaw model (zastąp jednym z identyfikatorów zwróconych przez `/v1/models`):

 ```json5
 {
@ -733,11 +755,11 @@ Szczegóły znajdziesz w [/providers/vllm](/pl/providers/vllm).

 ### SGLang

-SGLang jest dostarczany jako dołączony plugin dostawcy dla szybkich, samohostowanych
-serwerów zgodnych z OpenAI:
+SGLang jest dostarczany jako dołączony Plugin dostawcy dla szybkich samodzielnie hostowanych
+serwerów kompatybilnych z OpenAI:

 - Dostawca: `sglang`
- Uwierzytelnianie: opcjonalne (zależy od serwera)
+- Uwierzytelnianie: opcjonalne (zależy od Twojego serwera)
 - Domyślny bazowy URL: `http://127.0.0.1:30000/v1`

 Aby włączyć lokalne automatyczne wykrywanie (dowolna wartość działa, jeśli serwer nie
@ -747,7 +769,7 @@ wymusza uwierzytelniania):
 export SGLANG_API_KEY="sglang-local"
 ```

-Następnie ustaw model (zastąp jedną z wartości identyfikatorów zwracanych przez `/v1/models`):
+Następnie ustaw model (zastąp jednym z identyfikatorów zwróconych przez `/v1/models`):

 ```json5
 {
@ -759,9 +781,9 @@ Następnie ustaw model (zastąp jedną z wartości identyfikatorów zwracanych p

 Szczegóły znajdziesz w [/providers/sglang](/pl/providers/sglang).

-### Lokalne proxy (LM Studio, vLLM, LiteLLM itd.)
+### Lokalne proxy (LM Studio, vLLM, LiteLLM itp.)

-Przykład (zgodny z OpenAI):
+Przykład (kompatybilny z OpenAI):

 ```json5
 {
@ -775,7 +797,7 @@ Przykład (zgodny z OpenAI):
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
-        apiKey: "LMSTUDIO_KEY",
+        apiKey: "${LM_API_TOKEN}",
        api: "openai-completions",
        models: [
          {
@ -797,20 +819,19 @@ Przykład (zgodny z OpenAI):
 Uwagi:

 - Dla niestandardowych dostawców `reasoning`, `input`, `cost`, `contextWindow` i `maxTokens` są opcjonalne.
-  Jeśli je pominiesz, OpenClaw domyślnie używa:
+  Jeśli zostaną pominięte, OpenClaw domyślnie przyjmuje:
  - `reasoning: false`
  - `input: ["text"]`
  - `cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 }`
  - `contextWindow: 200000`
  - `maxTokens: 8192`
- Zalecane: ustaw jawne wartości zgodne z limitami twojego proxy/modelu.
+- Zalecane: ustaw jawne wartości zgodne z limitami Twojego proxy/modelu.
 - Dla `api: "openai-completions"` na nienatywnych endpointach (dowolny niepusty `baseUrl`, którego host nie jest `api.openai.com`) OpenClaw wymusza `compat.supportsDeveloperRole: false`, aby uniknąć błędów 400 od dostawcy dla nieobsługiwanych ról `developer`.
- Trasy proxy zgodne z OpenAI również pomijają natywne formatowanie żądań tylko dla OpenAI:
-  brak `service_tier`, brak `store` dla Responses, brak wskazówek pamięci podręcznej promptów, brak
-  formatowania ładunku zgodności rozumowania OpenAI i brak ukrytych nagłówków
-  atrybucji OpenClaw.
- Jeśli `baseUrl` jest pusty / pominięty, OpenClaw zachowuje domyślne zachowanie OpenAI (które wskazuje na `api.openai.com`).
- Dla bezpieczeństwa jawne `compat.supportsDeveloperRole: true` jest nadal nadpisywane na `false` na nienatywnych endpointach `openai-completions`.
+- Trasy proxy w stylu kompatybilnym z OpenAI pomijają też natywne kształtowanie żądań tylko dla OpenAI:
+  bez `service_tier`, bez `store` dla Responses, bez wskazówek cache promptów, bez
+  kształtowania payloadu zgodności rozumowania OpenAI i bez ukrytych nagłówków atrybucji OpenClaw.
+- Jeśli `baseUrl` jest pusty/pominięty, OpenClaw zachowuje domyślne zachowanie OpenAI (które wskazuje na `api.openai.com`).
+- Dla bezpieczeństwa jawne `compat.supportsDeveloperRole: true` jest nadal nadpisywane na nienatywnych endpointach `openai-completions`.

 ## Przykłady CLI

@ -820,7 +841,7 @@ openclaw models set opencode/claude-opus-4-6
 openclaw models list
 ```

-Zobacz także: [/gateway/configuration](/pl/gateway/configuration), aby uzyskać pełne przykłady konfiguracji.
+Zobacz też: [/gateway/configuration](/pl/gateway/configuration), aby poznać pełne przykłady konfiguracji.

 ## Powiązane

--- a/docs/pl/concepts/qa-e2e-automation.md
+++ b/docs/pl/concepts/qa-e2e-automation.md
@ -3,31 +3,32 @@ read_when:
    - Rozszerzanie qa-lab lub qa-channel
    - Dodawanie scenariuszy QA opartych na repozytorium
    - Tworzenie bardziej realistycznej automatyzacji QA wokół panelu Gateway
-summary: Prywatny kształt automatyzacji QA dla qa-lab, qa-channel, scenariuszy seedowanych i raportów protokołu
+summary: Prywatny kształt automatyzacji QA dla qa-lab, qa-channel, scenariuszy z ziarnem i raportów protokołu
 title: Automatyzacja QA E2E
 x-i18n:
-    generated_at: "2026-04-12T23:28:04Z"
+    generated_at: "2026-04-13T08:50:47Z"
    model: gpt-5.4
    provider: openai
-    source_hash: b9fe27dc049823d5e3eb7ae1eac6aad21ed9e917425611fb1dbcb28ab9210d5e
+    source_hash: a4a4f5c765163565c95c2a071f201775fd9d8d60cad4ff25d71e4710559c1570
    source_path: concepts/qa-e2e-automation.md
    workflow: 15
 ---

 # Automatyzacja QA E2E

-Prywatny stos QA ma na celu testowanie OpenClaw w bardziej realistyczny,
-kanałowy sposób niż pojedynczy test jednostkowy.
+Prywatny stos QA ma na celu testowanie OpenClaw w sposób bardziej realistyczny,
+uformowany wokół kanałów, niż jest to możliwe w pojedynczym teście jednostkowym.

 Obecne elementy:

- `extensions/qa-channel`: syntetyczny kanał wiadomości z powierzchniami DM, kanału, wątku,
+- `extensions/qa-channel`: syntetyczny kanał wiadomości z powierzchniami dla DM, kanału, wątku,
  reakcji, edycji i usuwania.
 - `extensions/qa-lab`: interfejs debuggera i magistrala QA do obserwowania transkryptu,
  wstrzykiwania wiadomości przychodzących i eksportowania raportu Markdown.
- `qa/`: zasoby seedowane oparte na repozytorium dla zadania startowego i bazowych scenariuszy QA.
+- `qa/`: zasoby seed oparte na repozytorium dla zadania początkowego i bazowych
+  scenariuszy QA.

-Obecny przepływ pracy operatora QA to dwupanelowa witryna QA:
+Obecny przepływ pracy operatora QA to dwupanelowa strona QA:

 - Po lewej: panel Gateway (Control UI) z agentem.
 - Po prawej: QA Lab, pokazujący transkrypt w stylu Slacka i plan scenariusza.
@ -38,13 +39,13 @@ Uruchom za pomocą:
 pnpm qa:lab:up
 ```

-To buduje witrynę QA, uruchamia opartą na Dockerze ścieżkę gateway i udostępnia
-stronę QA Lab, na której operator lub pętla automatyzacji może przydzielić agentowi
+To buduje stronę QA, uruchamia ścieżkę Gateway opartą na Dockerze i udostępnia
+stronę QA Lab, na której operator lub pętla automatyzacji może zlecić agentowi
 misję QA, obserwować rzeczywiste zachowanie kanału oraz zapisywać, co zadziałało,
-co zawiodło lub co pozostało zablokowane.
+co się nie udało lub co pozostało zablokowane.

-Aby szybciej iterować nad interfejsem QA Lab bez każdorazowego przebudowywania obrazu Docker,
-uruchom stos z bind-mountowanym bundle QA Lab:
+Aby szybciej iterować nad interfejsem QA Lab bez przebudowywania obrazu Dockera za każdym razem,
+uruchom stos z podmontowanym bundle QA Lab:

 ```bash
 pnpm openclaw qa docker-build-image
@ -53,52 +54,52 @@ pnpm qa:lab:up:fast
 pnpm qa:lab:watch
 ```

-`qa:lab:up:fast` utrzymuje usługi Docker na wcześniej zbudowanym obrazie i bind-mountuje
+`qa:lab:up:fast` utrzymuje usługi Dockera na wcześniej zbudowanym obrazie i bind-mountuje
 `extensions/qa-lab/web/dist` do kontenera `qa-lab`. `qa:lab:watch`
-przebudowuje ten bundle przy zmianach, a przeglądarka automatycznie odświeża się,
-gdy zmieni się hash zasobu QA Lab.
+przebudowuje ten bundle przy zmianach, a przeglądarka automatycznie przeładowuje się,
+gdy zmienia się hash zasobów QA Lab.

-Aby uruchomić ścieżkę smoke Matrix z rzeczywistym transportem, wykonaj:
+Aby uruchomić ścieżkę smoke Matrix z rzeczywistym transportem, użyj:

 ```bash
 pnpm openclaw qa matrix
 ```

-Ta ścieżka provisionuje jednorazowy homeserver Tuwunel w Dockerze, rejestruje
-tymczasowych użytkowników driver, SUT i observer, tworzy jeden prywatny pokój,
-a następnie uruchamia prawdziwy Plugin Matrix wewnątrz potomnego procesu QA gateway. Ścieżka z żywym
-transportem utrzymuje konfigurację potomną ograniczoną do testowanego transportu,
-dzięki czemu Matrix działa bez `qa-channel` w konfiguracji potomnej.
+Ta ścieżka udostępnia jednorazowy homeserver Tuwunel w Dockerze, rejestruje
+tymczasowych użytkowników drivera, SUT i obserwatora, tworzy jeden prywatny pokój,
+a następnie uruchamia rzeczywisty Plugin Matrix wewnątrz podrzędnego Gateway QA. Ścieżka z żywym transportem utrzymuje konfigurację
+podrzędną ograniczoną do testowanego transportu, więc Matrix działa bez
+`qa-channel` w konfiguracji podrzędnej.

-Aby uruchomić ścieżkę smoke Telegram z rzeczywistym transportem, wykonaj:
+Aby uruchomić ścieżkę smoke Telegram z rzeczywistym transportem, użyj:

 ```bash
 pnpm openclaw qa telegram
 ```

-Ta ścieżka kieruje ruch do jednej prawdziwej prywatnej grupy Telegram zamiast provisionować
-jednorazowy serwer. Wymaga `OPENCLAW_QA_TELEGRAM_GROUP_ID`,
+Ta ścieżka jest kierowana do jednej rzeczywistej prywatnej grupy Telegram zamiast
+udostępniać jednorazowy serwer. Wymaga `OPENCLAW_QA_TELEGRAM_GROUP_ID`,
 `OPENCLAW_QA_TELEGRAM_DRIVER_BOT_TOKEN` oraz
-`OPENCLAW_QA_TELEGRAM_SUT_BOT_TOKEN`, a także dwóch odrębnych botów w tej samej
-prywatnej grupie. Bot SUT musi mieć nazwę użytkownika Telegram, a obserwacja bot-bot
-działa najlepiej, gdy oba boty mają włączony tryb Bot-to-Bot Communication Mode
+`OPENCLAW_QA_TELEGRAM_SUT_BOT_TOKEN`, a także dwóch różnych botów w tej samej
+prywatnej grupie. Bot SUT musi mieć nazwę użytkownika Telegram, a obserwacja
+bot-bot działa najlepiej, gdy oba boty mają włączony tryb Bot-to-Bot Communication Mode
 w `@BotFather`.

 Ścieżki z żywym transportem współdzielą teraz jeden mniejszy kontrakt zamiast tego,
-by każda wymyślała własny kształt listy scenariuszy:
+żeby każda definiowała własny kształt listy scenariuszy:

-`qa-channel` pozostaje szerokim syntetycznym zestawem zachowań produktu i nie jest częścią
-macierzy pokrycia żywego transportu.
+`qa-channel` pozostaje szerokim syntetycznym zestawem testów zachowania produktu i nie jest częścią
+macierzy pokrycia dla żywego transportu.

-| Ścieżka  | Canary | Bramka wzmianek | Blokada allowlisty | Odpowiedź najwyższego poziomu | Wznowienie po restarcie | Dalszy ciąg wątku | Izolacja wątku | Obserwacja reakcji | Komenda pomocy |
-| -------- | ------ | --------------- | ------------------ | ----------------------------- | ----------------------- | ----------------- | -------------- | ------------------ | -------------- |
-| Matrix   | x      | x               | x                  | x                             | x                       | x                 | x              | x                  |                |
-| Telegram | x      |                 |                    |                               |                         |                   |                |                    | x              |
+| Ścieżka  | Canary | Bramka wzmianek | Blokada allowlisty | Odpowiedź najwyższego poziomu | Wznowienie po restarcie | Dalszy ciąg w wątku | Izolacja wątku | Obserwacja reakcji | Polecenie help |
+| -------- | ------ | --------------- | ------------------ | ----------------------------- | ----------------------- | ------------------- | -------------- | ------------------ | -------------- |
+| Matrix   | x      | x               | x                  | x                             | x                       | x                   | x              | x                  |                |
+| Telegram | x      |                 |                    |                               |                         |                     |                |                    | x              |

-Dzięki temu `qa-channel` pozostaje szerokim zestawem zachowań produktu, podczas gdy Matrix,
-Telegram i przyszłe żywe transporty współdzielą jedną jawną listę kontrolną kontraktu transportu.
+Dzięki temu `qa-channel` pozostaje szerokim zestawem testów zachowania produktu, podczas gdy Matrix,
+Telegram i przyszłe żywe transporty współdzielą jedną jawną checklistę kontraktu transportowego.

-Aby uruchomić jednorazową ścieżkę Linux VM bez wprowadzania Dockera do ścieżki QA, wykonaj:
+Aby uruchomić ścieżkę z jednorazową maszyną wirtualną Linux bez włączania Dockera do ścieżki QA, użyj:

 ```bash
 pnpm openclaw qa suite --runner multipass --scenario channel-chat-baseline
@ -108,18 +109,18 @@ To uruchamia świeżego gościa Multipass, instaluje zależności, buduje OpenCl
 wewnątrz gościa, uruchamia `qa suite`, a następnie kopiuje zwykły raport QA i
 podsumowanie z powrotem do `.artifacts/qa-e2e/...` na hoście.
 Ponownie wykorzystuje to samo zachowanie wyboru scenariuszy co `qa suite` na hoście.
-Uruchomienia hosta i Multipass suite wykonują domyślnie wiele wybranych scenariuszy równolegle
-z izolowanymi workerami gateway, maksymalnie do 64 workerów lub liczby wybranych
+Uruchomienia hosta i pakietu Multipass domyślnie wykonują równolegle wiele wybranych scenariuszy
+z izolowanymi workerami Gateway, maksymalnie do 64 workerów lub liczby wybranych
 scenariuszy. Użyj `--concurrency <count>`, aby dostroić liczbę workerów, lub
-`--concurrency 1` dla wykonania seryjnego.
-Uruchomienia live przekazują obsługiwane wejścia uwierzytelniania QA, które są praktyczne dla
+`--concurrency 1` do wykonywania sekwencyjnego.
+Uruchomienia live przekazują obsługiwane wejścia autoryzacji QA, które są praktyczne dla
 gościa: klucze dostawcy oparte na env, ścieżkę konfiguracji dostawcy QA live oraz
-`CODEX_HOME`, gdy jest obecne. Zachowaj `--output-dir` pod katalogiem głównym repozytorium, aby gość
-mógł zapisywać z powrotem przez zamontowany workspace.
+`CODEX_HOME`, jeśli jest obecne. Utrzymuj `--output-dir` w katalogu głównym repozytorium, aby gość
+mógł zapisywać dane z powrotem przez zamontowany workspace.

 ## Seedy oparte na repozytorium

-Zasoby seedowane znajdują się w `qa/`:
+Zasoby seed znajdują się w `qa/`:

 - `qa/scenarios/index.md`
 - `qa/scenarios/*.md`
@ -127,15 +128,20 @@ Zasoby seedowane znajdują się w `qa/`:
 Są one celowo przechowywane w git, aby plan QA był widoczny zarówno dla ludzi, jak i dla
 agenta.

-`qa-lab` powinien pozostać generycznym runnerem markdown. Każdy plik markdown scenariusza jest
+`qa-lab` powinien pozostać generycznym runnerem Markdown. Każdy plik scenariusza Markdown jest
 źródłem prawdy dla jednego uruchomienia testu i powinien definiować:

 - metadane scenariusza
 - odwołania do dokumentacji i kodu
- opcjonalne wymagania Pluginów
- opcjonalną łatkę konfiguracji gateway
+- opcjonalne wymagania Plugin
+- opcjonalną poprawkę konfiguracji Gateway
 - wykonywalny `qa-flow`

+Powierzchnia wielokrotnego użytku środowiska wykonawczego, która wspiera `qa-flow`, może pozostać
+generyczna i przekrojowa. Na przykład scenariusze Markdown mogą łączyć pomocniki po stronie
+transportu z pomocnikami po stronie przeglądarki, które sterują osadzonym Control UI przez
+powierzchnię Gateway `browser.request`, bez dodawania runnera specjalnego przypadku.
+
 Lista bazowa powinna pozostać wystarczająco szeroka, aby obejmować:

 - czat DM i kanałowy
@ -148,34 +154,34 @@ Lista bazowa powinna pozostać wystarczająco szeroka, aby obejmować:
 - czytanie repozytorium i dokumentacji
 - jedno małe zadanie build, takie jak Lobster Invaders

-## Adaptery transportu
+## Adaptery transportowe

-`qa-lab` posiada generyczny seam transportowy dla scenariuszy QA w markdown.
-`qa-channel` jest pierwszym adapterem na tym seamie, ale docelowy projekt jest szerszy:
-przyszłe rzeczywiste lub syntetyczne kanały powinny podłączać się do tego samego runnera suite
+`qa-lab` jest właścicielem generycznej powierzchni transportu dla scenariuszy QA w Markdown.
+`qa-channel` jest pierwszym adapterem tej powierzchni, ale docelowy projekt jest szerszy:
+przyszłe rzeczywiste lub syntetyczne kanały powinny podłączać się do tego samego runnera pakietu
 zamiast dodawać runner QA specyficzny dla transportu.

-Na poziomie architektury podział jest następujący:
+Na poziomie architektury podział wygląda następująco:

- `qa-lab` odpowiada za generyczne wykonywanie scenariuszy, współbieżność workerów, zapisywanie artefaktów i raportowanie.
- adapter transportu odpowiada za konfigurację gateway, gotowość, obserwację wejścia i wyjścia, akcje transportu oraz znormalizowany stan transportu.
- pliki markdown scenariuszy w `qa/scenarios/` definiują przebieg testu; `qa-lab` udostępnia wielokrotnego użytku powierzchnię runtime, która je wykonuje.
+- `qa-lab` jest właścicielem generycznego wykonywania scenariuszy, współbieżności workerów, zapisu artefaktów i raportowania.
+- adapter transportu jest właścicielem konfiguracji Gateway, gotowości, obserwacji wejścia i wyjścia, działań transportowych oraz znormalizowanego stanu transportu.
+- pliki scenariuszy Markdown w `qa/scenarios/` definiują przebieg testu; `qa-lab` udostępnia powierzchnię środowiska wykonawczego wielokrotnego użytku, która je wykonuje.

 Wskazówki wdrożeniowe dla maintainerów dotyczące nowych adapterów kanałów znajdują się w
 [Testing](/pl/help/testing#adding-a-channel-to-qa).

 ## Raportowanie

-`qa-lab` eksportuje raport protokołu Markdown na podstawie obserwowanej osi czasu magistrali.
+`qa-lab` eksportuje raport protokołu Markdown z obserwowanej osi czasu magistrali.
 Raport powinien odpowiadać na pytania:

 - Co zadziałało
- Co zawiodło
+- Co się nie udało
 - Co pozostało zablokowane
- Jakie scenariusze uzupełniające warto dodać
+- Jakie scenariusze follow-up warto dodać

-Aby przeprowadzić kontrole charakteru i stylu, uruchom ten sam scenariusz na wielu żywych referencjach modeli
-i zapisz oceniony raport Markdown:
+Aby przeprowadzić kontrole charakteru i stylu, uruchom ten sam scenariusz dla wielu żywych referencji modeli
+i zapisz oceniany raport Markdown:

 ```bash
 pnpm openclaw qa character-eval \
@ -194,36 +200,36 @@ pnpm openclaw qa character-eval \
  --judge-concurrency 16
 ```

-Komenda uruchamia lokalne potomne procesy QA gateway, a nie Docker. Scenariusze character eval
-powinny ustawiać personę przez `SOUL.md`, a następnie wykonywać zwykłe tury użytkownika,
-takie jak czat, pomoc dotycząca workspace i małe zadania na plikach. Kandydacki model
-nie powinien być informowany, że jest oceniany. Komenda zachowuje każdy pełny
-transkrypt, rejestruje podstawowe statystyki uruchomienia, a następnie prosi modele oceniające w trybie fast z
-rozumowaniem `xhigh`, aby uszeregowały uruchomienia według naturalności, klimatu i humoru.
-Użyj `--blind-judge-models` podczas porównywania dostawców: prompt oceniający nadal otrzymuje
+Polecenie uruchamia lokalne podrzędne procesy Gateway QA, a nie Docker. Scenariusze
+character eval powinny ustawiać personę przez `SOUL.md`, a następnie uruchamiać zwykłe tury użytkownika,
+takie jak czat, pomoc dotycząca workspace i małe zadania plikowe. Kandydacki model
+nie powinien być informowany, że jest oceniany. Polecenie zachowuje każdy pełny
+transkrypt, zapisuje podstawowe statystyki uruchomienia, a następnie prosi modele sędziujące w trybie fast z
+rozumowaniem `xhigh` o uszeregowanie uruchomień według naturalności, klimatu i humoru.
+Użyj `--blind-judge-models` podczas porównywania dostawców: prompt sędziujący nadal otrzymuje
 każdy transkrypt i status uruchomienia, ale referencje kandydatów są zastępowane neutralnymi
-etykietami, takimi jak `candidate-01`; raport mapuje rankingi z powrotem na prawdziwe referencje po
+etykietami, takimi jak `candidate-01`; raport mapuje rankingi z powrotem na rzeczywiste referencje po
 parsowaniu.
-Uruchomienia kandydatów domyślnie używają poziomu myślenia `high`, z `xhigh` dla modeli OpenAI,
-które go obsługują. Zastąp określonego kandydata inline za pomocą
+Uruchomienia kandydatów domyślnie używają poziomu myślenia `high`, a dla modeli OpenAI `xhigh`,
+jeśli go obsługują. Zastąpienie dla konkretnego kandydata ustawiaj inline za pomocą
 `--model provider/model,thinking=<level>`. `--thinking <level>` nadal ustawia
 globalny fallback, a starsza forma `--model-thinking <provider/model=level>` jest
 zachowana dla kompatybilności.
-Referencje kandydatów OpenAI domyślnie używają trybu fast, dzięki czemu wykorzystywane jest
-przetwarzanie priorytetowe tam, gdzie dostawca je obsługuje. Dodaj inline `,fast`, `,no-fast` lub `,fast=false`,
-gdy pojedynczy kandydat lub oceniający wymaga nadpisania. Przekaż `--fast` tylko wtedy, gdy chcesz
-wymusić tryb fast dla każdego modelu kandydata. Czasy trwania kandydatów i oceniających są
-rejestrowane w raporcie do analizy benchmarkowej, ale prompty oceniające wyraźnie mówią,
-aby nie ustalać rankingu według szybkości.
-Zarówno uruchomienia modeli kandydatów, jak i oceniających domyślnie używają współbieżności 16. Zmniejsz
-`--concurrency` lub `--judge-concurrency`, gdy limity dostawcy lub obciążenie lokalnego gateway
-sprawiają, że uruchomienie jest zbyt zaszumione.
-Gdy nie zostanie przekazany żaden kandydat `--model`, character eval domyślnie używa
+Referencje kandydatów OpenAI domyślnie używają trybu fast, tak aby priorytetowe przetwarzanie było używane tam,
+gdzie dostawca to obsługuje. Dodaj inline `,fast`, `,no-fast` lub `,fast=false`, gdy
+pojedynczy kandydat lub sędzia wymaga nadpisania. Przekaż `--fast` tylko wtedy, gdy chcesz
+wymusić tryb fast dla każdego modelu kandydującego. Czasy trwania kandydatów i sędziów są
+zapisywane w raporcie do analizy porównawczej, ale prompty sędziujące wyraźnie mówią,
+aby nie tworzyć rankingu na podstawie szybkości.
+Uruchomienia modeli kandydatów i sędziów domyślnie używają współbieżności 16. Obniż
+`--concurrency` lub `--judge-concurrency`, gdy limity dostawcy lub obciążenie lokalnego Gateway
+sprawiają, że uruchomienie staje się zbyt zaszumione.
+Gdy nie zostanie przekazane żadne `--model` kandydata, character eval domyślnie używa
 `openai/gpt-5.4`, `openai/gpt-5.2`, `openai/gpt-5`, `anthropic/claude-opus-4-6`,
 `anthropic/claude-sonnet-4-6`, `zai/glm-5.1`,
 `moonshot/kimi-k2.5` oraz
-`google/gemini-3.1-pro-preview`, jeśli nie przekazano `--model`.
-Gdy nie zostanie przekazany żaden `--judge-model`, oceniający domyślnie używają
+`google/gemini-3.1-pro-preview`, gdy nie zostanie przekazane `--model`.
+Gdy nie zostanie przekazane żadne `--judge-model`, sędziowie domyślnie używają
 `openai/gpt-5.4,thinking=xhigh,fast` oraz
 `anthropic/claude-opus-4-6,thinking=high`.

--- a/docs/pl/gateway/local-models.md
+++ b/docs/pl/gateway/local-models.md
@ -1,28 +1,28 @@
 ---
 read_when:
-    - Chcesz udostępniać modele z własnej maszyny GPU
+    - Chcesz udostępniać modele z własnej maszyny z GPU
    - Konfigurujesz LM Studio lub proxy zgodne z OpenAI
    - Potrzebujesz najbezpieczniejszych wskazówek dotyczących modeli lokalnych
-summary: Uruchamianie OpenClaw na lokalnych modelach LLM (LM Studio, vLLM, LiteLLM, niestandardowe endpointy OpenAI)
+summary: Uruchom OpenClaw na lokalnych LLM-ach (LM Studio, vLLM, LiteLLM, niestandardowe endpointy OpenAI)
 title: Modele lokalne
 x-i18n:
-    generated_at: "2026-04-08T02:14:31Z"
+    generated_at: "2026-04-13T08:50:43Z"
    model: gpt-5.4
    provider: openai
-    source_hash: d619d72b0e06914ebacb7e9f38b746caf1b9ce8908c9c6638c3acdddbaa025e8
+    source_hash: 3ecb61b3e6e34d3666f9b688cd694d92c5fb211cf8c420fa876f7ccf5789154a
    source_path: gateway/local-models.md
    workflow: 15
 ---

 # Modele lokalne

-Uruchamianie lokalne jest możliwe, ale OpenClaw oczekuje dużego kontekstu oraz silnych zabezpieczeń przed prompt injection. Małe karty skracają kontekst i osłabiają bezpieczeństwo. Celuj wysoko: **≥2 w pełni wyposażone Mac Studio lub równoważny zestaw GPU (~30 tys. USD+)**. Pojedynczy procesor GPU **24 GB** sprawdzi się tylko przy lżejszych promptach i większych opóźnieniach. Używaj **największego / pełnowymiarowego wariantu modelu, jaki możesz uruchomić**; agresywnie kwantyzowane lub „małe” checkpointy zwiększają ryzyko prompt injection (zobacz [Bezpieczeństwo](/pl/gateway/security)).
+Środowisko lokalne jest wykonalne, ale OpenClaw oczekuje dużego kontekstu + silnej ochrony przed prompt injection. Małe karty obcinają kontekst i osłabiają bezpieczeństwo. Celuj wysoko: **≥2 w pełni wyposażone Mac Studio lub równoważny zestaw GPU (~30 tys. USD+)**. Pojedynczy procesor graficzny **24 GB** działa tylko przy lżejszych promptach i z większym opóźnieniem. Używaj **największego / pełnowymiarowego wariantu modelu, jaki możesz uruchomić**; agresywnie kwantyzowane lub „małe” checkpointy zwiększają ryzyko prompt injection (zobacz [Bezpieczeństwo](/pl/gateway/security)).

-Jeśli chcesz skonfigurować lokalne środowisko z jak najmniejszym tarciem, zacznij od [Ollama](/pl/providers/ollama) i `openclaw onboard`. Ta strona to opiniotwórczy przewodnik po bardziej zaawansowanych lokalnych stosach oraz niestandardowych lokalnych serwerach zgodnych z OpenAI.
+Jeśli chcesz uzyskać lokalną konfigurację z najmniejszym tarciem, zacznij od [LM Studio](/pl/providers/lmstudio) lub [Ollama](/pl/providers/ollama) i `openclaw onboard`. Ta strona to praktyczny przewodnik dla bardziej zaawansowanych lokalnych stosów oraz niestandardowych lokalnych serwerów zgodnych z OpenAI.

 ## Zalecane: LM Studio + duży model lokalny (Responses API)

-Obecnie najlepszy lokalny stos. Załaduj duży model do LM Studio (na przykład pełnowymiarową kompilację Qwen, DeepSeek lub Llama), włącz lokalny serwer (domyślnie `http://127.0.0.1:1234`) i użyj Responses API, aby oddzielić rozumowanie od tekstu końcowego.
+Obecnie najlepszy lokalny stos. Załaduj duży model w LM Studio (na przykład pełnowymiarową kompilację Qwen, DeepSeek lub Llama), włącz lokalny serwer (domyślnie `http://127.0.0.1:1234`), a następnie użyj Responses API, aby oddzielić rozumowanie od końcowego tekstu.

 ```json5
 {
@ -64,13 +64,13 @@ Obecnie najlepszy lokalny stos. Załaduj duży model do LM Studio (na przykład
 - Zainstaluj LM Studio: [https://lmstudio.ai](https://lmstudio.ai)
 - W LM Studio pobierz **największą dostępną kompilację modelu** (unikaj wariantów „small” / mocno kwantyzowanych), uruchom serwer i potwierdź, że `http://127.0.0.1:1234/v1/models` go wyświetla.
 - Zastąp `my-local-model` rzeczywistym identyfikatorem modelu widocznym w LM Studio.
- Utrzymuj model załadowany; zimne ładowanie zwiększa opóźnienie startu.
- Dostosuj `contextWindow`/`maxTokens`, jeśli Twoja kompilacja LM Studio się różni.
- W przypadku WhatsApp trzymaj się Responses API, aby wysyłany był tylko tekst końcowy.
+- Utrzymuj model załadowany; zimne ładowanie zwiększa opóźnienie uruchamiania.
+- Dostosuj `contextWindow`/`maxTokens`, jeśli Twoja kompilacja LM Studio różni się od tej przykładowej.
+- W przypadku WhatsApp trzymaj się Responses API, aby wysyłany był tylko końcowy tekst.

-Nawet przy uruchamianiu lokalnym pozostaw skonfigurowane modele hostowane; użyj `models.mode: "merge"`, aby fallbacki pozostały dostępne.
+Utrzymuj skonfigurowane także modele hostowane, nawet jeśli działasz lokalnie; używaj `models.mode: "merge"`, aby fallbacki pozostawały dostępne.

-### Konfiguracja hybrydowa: hostowany model podstawowy, lokalny fallback
+### Konfiguracja hybrydowa: hostowany model główny, lokalny fallback

 ```json5
 {
@ -113,16 +113,16 @@ Nawet przy uruchamianiu lokalnym pozostaw skonfigurowane modele hostowane; użyj

 ### Najpierw lokalnie, z hostowaną siatką bezpieczeństwa

-Zamień kolejność modelu podstawowego i fallbacku; zachowaj ten sam blok providerów oraz `models.mode: "merge"`, aby móc przełączyć się awaryjnie na Sonnet lub Opus, gdy lokalna maszyna będzie niedostępna.
+Zamień kolejność modelu głównego i fallbacku; pozostaw ten sam blok providers oraz `models.mode: "merge"`, aby w razie awarii lokalnej maszyny można było przełączyć się na Sonnet lub Opus.

 ### Hosting regionalny / routing danych

- Hostowane warianty MiniMax/Kimi/GLM są również dostępne w OpenRouter z endpointami przypiętymi do regionu (np. hostowanymi w USA). Wybierz tam wariant regionalny, aby utrzymać ruch w wybranej jurysdykcji, nadal używając `models.mode: "merge"` dla fallbacków Anthropic/OpenAI.
- Tryb wyłącznie lokalny pozostaje najmocniejszą ścieżką pod względem prywatności; hostowany routing regionalny to rozwiązanie pośrednie, gdy potrzebujesz funkcji dostawcy, ale chcesz zachować kontrolę nad przepływem danych.
+- Hostowane warianty MiniMax/Kimi/GLM są także dostępne w OpenRouter z endpointami przypisanymi do regionu (np. hostowane w USA). Wybierz tam wariant regionalny, aby utrzymać ruch w wybranej jurysdykcji, nadal używając `models.mode: "merge"` dla fallbacków Anthropic/OpenAI.
+- Tryb wyłącznie lokalny pozostaje najmocniejszą ścieżką prywatności; hostowany routing regionalny to rozwiązanie pośrednie, gdy potrzebujesz funkcji dostawcy, ale chcesz zachować kontrolę nad przepływem danych.

 ## Inne lokalne proxy zgodne z OpenAI

-vLLM, LiteLLM, OAI-proxy lub niestandardowe bramy działają, jeśli udostępniają endpoint `/v1` w stylu OpenAI. Zastąp powyższy blok providera swoim endpointem i identyfikatorem modelu:
+vLLM, LiteLLM, OAI-proxy lub niestandardowe Gateway działają, jeśli udostępniają endpoint `/v1` w stylu OpenAI. Zastąp powyższy blok provider własnym endpointem i identyfikatorem modelu:

 ```json5
 {
@ -150,41 +150,43 @@ vLLM, LiteLLM, OAI-proxy lub niestandardowe bramy działają, jeśli udostępnia
 }
 ```

-Zachowaj `models.mode: "merge"`, aby hostowane modele nadal były dostępne jako fallbacki.
+Utrzymuj `models.mode: "merge"`, aby hostowane modele nadal były dostępne jako fallbacki.

-Uwagi dotyczące działania dla lokalnych / proxowanych backendów `/v1`:
+Uwaga dotycząca działania lokalnych / proxy backendów `/v1`:

- OpenClaw traktuje je jako trasy proxy zgodne z OpenAI, a nie natywne endpointy OpenAI
- natywne kształtowanie żądań tylko dla OpenAI nie ma tu zastosowania: brak
-  `service_tier`, brak Responses `store`, brak kształtowania payloadu zgodności z rozumowaniem OpenAI
-  oraz brak wskazówek dotyczących cache promptów
+- OpenClaw traktuje je jako trasy proxy zgodne z OpenAI, a nie natywne
+  endpointy OpenAI
+- natywne formatowanie żądań przeznaczone wyłącznie dla OpenAI nie ma tu
+  zastosowania: brak `service_tier`, brak `store` dla Responses, brak
+  formatowania ładunku zgodności rozumowania OpenAI i brak wskazówek
+  dotyczących cache promptów
 - ukryte nagłówki atrybucji OpenClaw (`originator`, `version`, `User-Agent`)
-  nie są wstrzykiwane dla tych niestandardowych adresów URL proxy
+  nie są wstrzykiwane do tych niestandardowych URL-i proxy

-Uwagi o zgodności dla bardziej rygorystycznych backendów zgodnych z OpenAI:
+Uwagi o zgodności dla bardziej restrykcyjnych backendów zgodnych z OpenAI:

- Niektóre serwery akceptują w Chat Completions tylko string `messages[].content`, a nie
+- Niektóre serwery akceptują w Chat Completions tylko ciąg znaków w `messages[].content`, a nie
  ustrukturyzowane tablice części treści. Ustaw
  `models.providers.<provider>.models[].compat.requiresStringContent: true` dla
  takich endpointów.
- Niektóre mniejsze lub bardziej rygorystyczne lokalne backendy są niestabilne przy pełnym
-  kształcie promptu środowiska uruchomieniowego agenta OpenClaw, szczególnie gdy dołączone są schematy narzędzi. Jeśli
-  backend działa dla małych bezpośrednich wywołań `/v1/chat/completions`, ale nie działa przy zwykłych
-  turach agenta OpenClaw, najpierw spróbuj
+- Niektóre mniejsze lub bardziej restrykcyjne lokalne backendy są niestabilne przy pełnym
+  kształcie promptu środowiska uruchomieniowego agenta OpenClaw, zwłaszcza gdy dołączone są
+  schematy narzędzi. Jeśli backend działa dla małych bezpośrednich wywołań `/v1/chat/completions`,
+  ale zawodzi przy normalnych turach agenta OpenClaw, najpierw spróbuj
  `models.providers.<provider>.models[].compat.supportsTools: false`.
 - Jeśli backend nadal zawodzi tylko przy większych uruchomieniach OpenClaw, pozostały problem
-  zwykle leży po stronie przepustowości modelu/serwera upstream albo błędu backendu, a nie warstwy
+  zwykle leży po stronie pojemności modelu/serwera albo błędu backendu, a nie warstwy
  transportowej OpenClaw.

 ## Rozwiązywanie problemów

- Brama może połączyć się z proxy? `curl http://127.0.0.1:1234/v1/models`.
- Model LM Studio został wyładowany? Załaduj go ponownie; zimny start jest częstą przyczyną „zawieszania się”.
- Błędy kontekstu? Obniż `contextWindow` lub zwiększ limit serwera.
+- Gateway może połączyć się z proxy? `curl http://127.0.0.1:1234/v1/models`.
+- Model LM Studio został wyładowany? Załaduj go ponownie; zimny start to częsta przyczyna „zawieszania się”.
+- Błędy kontekstu? Zmniejsz `contextWindow` lub zwiększ limit serwera.
 - Serwer zgodny z OpenAI zwraca `messages[].content ... expected a string`?
-  Dodaj `compat.requiresStringContent: true` do wpisu tego modelu.
- Bezpośrednie małe wywołania `/v1/chat/completions` działają, ale `openclaw infer model run`
-  nie działa na Gemma lub innym modelu lokalnym? Najpierw wyłącz schematy narzędzi za pomocą
+  Dodaj `compat.requiresStringContent: true` do tego wpisu modelu.
+- Małe bezpośrednie wywołania `/v1/chat/completions` działają, ale `openclaw infer model run`
+  zawodzi na Gemma lub innym modelu lokalnym? Najpierw wyłącz schematy narzędzi przez
  `compat.supportsTools: false`, a następnie przetestuj ponownie. Jeśli serwer nadal ulega awarii tylko
-  przy większych promptach OpenClaw, traktuj to jako ograniczenie modelu/serwera upstream.
- Bezpieczeństwo: modele lokalne pomijają filtry po stronie dostawcy; utrzymuj agentów w wąskim zakresie i włącz kompaktowanie, aby ograniczyć zasięg prompt injection.
+  przy większych promptach OpenClaw, traktuj to jako ograniczenie modelu/serwera po stronie upstream.
+- Bezpieczeństwo: modele lokalne pomijają filtry po stronie dostawcy; utrzymuj wąski zakres działania agentów i włączoną Compaction, aby ograniczyć promień rażenia prompt injection.
--- a/docs/pl/help/testing.md
+++ b/docs/pl/help/testing.md
--- a/docs/pl/providers/index.md
+++ b/docs/pl/providers/index.md
@ -1,14 +1,14 @@
 ---
 read_when:
-    - Chcesz wybrać dostawcę modelu
+    - Chcesz wybrać dostawcę modeli
    - Potrzebujesz szybkiego przeglądu obsługiwanych backendów LLM
-summary: Dostawcy modeli (LLM) obsługiwani przez OpenClaw
+summary: Dostawcy modeli (LLM-y) obsługiwani przez OpenClaw
 title: Katalog dostawców
 x-i18n:
-    generated_at: "2026-04-08T02:17:13Z"
+    generated_at: "2026-04-13T08:50:40Z"
    model: gpt-5.4
    provider: openai
-    source_hash: e7bee5528b7fc9a982b3d0eaa4930cb77f7bded19a47aec00572b6fcbd823a70
+    source_hash: 3bc682d008119719826f71f74959ab32bedf14214459f5e6ac9cb70371d3c540
    source_path: providers/index.md
    workflow: 15
 ---
@ -18,7 +18,7 @@ x-i18n:
 OpenClaw może korzystać z wielu dostawców LLM. Wybierz dostawcę, uwierzytelnij się, a następnie ustaw
 domyślny model jako `provider/model`.

-Szukasz dokumentacji kanałów czatu (WhatsApp/Telegram/Discord/Slack/Mattermost (plugin)/itp.)? Zobacz [Kanały](/pl/channels).
+Szukasz dokumentacji kanałów czatu (WhatsApp/Telegram/Discord/Slack/Mattermost (Plugin)/itp.)? Zobacz [Kanały](/pl/channels).

 ## Szybki start

@ -47,16 +47,17 @@ Szukasz dokumentacji kanałów czatu (WhatsApp/Telegram/Discord/Slack/Mattermost
 - [GitHub Copilot](/pl/providers/github-copilot)
 - [Modele GLM](/pl/providers/glm)
 - [Google (Gemini)](/pl/providers/google)
- [Groq (inferencja LPU)](/pl/providers/groq)
- [Hugging Face (inferencja)](/pl/providers/huggingface)
+- [Groq (wnioskowanie LPU)](/pl/providers/groq)
+- [Hugging Face (Inference)](/pl/providers/huggingface)
 - [inferrs (modele lokalne)](/pl/providers/inferrs)
 - [Kilocode](/pl/providers/kilocode)
 - [LiteLLM (ujednolicona brama)](/pl/providers/litellm)
+- [LM Studio (modele lokalne)](/pl/providers/lmstudio)
 - [MiniMax](/pl/providers/minimax)
 - [Mistral](/pl/providers/mistral)
 - [Moonshot AI (Kimi + Kimi Coding)](/pl/providers/moonshot)
 - [NVIDIA](/pl/providers/nvidia)
- [Ollama (chmura + modele lokalne)](/pl/providers/ollama)
+- [Ollama (modele chmurowe i lokalne)](/pl/providers/ollama)
 - [OpenAI (API + Codex)](/pl/providers/openai)
 - [OpenCode](/pl/providers/opencode)
 - [OpenCode Go](/pl/providers/opencode-go)
@ -81,9 +82,9 @@ Szukasz dokumentacji kanałów czatu (WhatsApp/Telegram/Discord/Slack/Mattermost
 ## Wspólne strony przeglądowe

 - [Dodatkowe dołączone warianty](/pl/providers/models#additional-bundled-provider-variants) - Anthropic Vertex, Copilot Proxy i Gemini CLI OAuth
- [Generowanie obrazów](/pl/tools/image-generation) - Współdzielone narzędzie `image_generate`, wybór dostawcy i failover
- [Generowanie muzyki](/pl/tools/music-generation) - Współdzielone narzędzie `music_generate`, wybór dostawcy i failover
- [Generowanie wideo](/pl/tools/video-generation) - Współdzielone narzędzie `video_generate`, wybór dostawcy i failover
+- [Generowanie obrazów](/pl/tools/image-generation) - Wspólne narzędzie `image_generate`, wybór dostawcy i failover
+- [Generowanie muzyki](/pl/tools/music-generation) - Wspólne narzędzie `music_generate`, wybór dostawcy i failover
+- [Generowanie wideo](/pl/tools/video-generation) - Wspólne narzędzie `video_generate`, wybór dostawcy i failover

 ## Dostawcy transkrypcji

@ -91,6 +92,7 @@ Szukasz dokumentacji kanałów czatu (WhatsApp/Telegram/Discord/Slack/Mattermost

 ## Narzędzia społeczności

- [Claude Max API Proxy](/pl/providers/claude-max-api-proxy) - Społecznościowy proxy dla poświadczeń subskrypcji Claude (przed użyciem zweryfikuj zasady/warunki Anthropic)
+- [Claude Max API Proxy](/pl/providers/claude-max-api-proxy) - Społecznościowy proxy dla poświadczeń subskrypcji Claude (przed użyciem sprawdź zasady/warunki Anthropic)

-Pełny katalog dostawców (xAI, Groq, Mistral itd.) oraz zaawansowaną konfigurację znajdziesz w [Dostawcy modeli](/pl/concepts/model-providers).
+Pełny katalog dostawców (xAI, Groq, Mistral itp.) oraz zaawansowaną konfigurację
+znajdziesz w sekcji [Dostawcy modeli](/pl/concepts/model-providers).
--- a/docs/pl/providers/lmstudio.md
+++ b/docs/pl/providers/lmstudio.md
@ -0,0 +1,163 @@
+---
+read_when:
+    - Chcesz uruchomić OpenClaw z modelami open source za pośrednictwem LM Studio.
+    - Chcesz skonfigurować LM Studio.
+summary: Uruchom OpenClaw z LM Studio
+title: LM Studio
+x-i18n:
+    generated_at: "2026-04-13T08:50:43Z"
+    model: gpt-5.4
+    provider: openai
+    source_hash: 11264584e8277260d4215feb7c751329ce04f59e9228da1c58e147c21cd9ac2c
+    source_path: providers/lmstudio.md
+    workflow: 15
+---
+
+# LM Studio
+
+LM Studio to przyjazna, a zarazem potężna aplikacja do uruchamiania modeli o otwartych wagach na własnym sprzęcie. Umożliwia uruchamianie modeli llama.cpp (GGUF) lub MLX (Apple Silicon). Jest dostępna jako pakiet GUI lub daemon bez interfejsu (`llmster`). Dokumentację produktu i konfiguracji znajdziesz na stronie [lmstudio.ai](https://lmstudio.ai/).
+
+## Szybki start
+
+1. Zainstaluj LM Studio (wersja desktopowa) lub `llmster` (wersja bez interfejsu), a następnie uruchom lokalny serwer:
+
+```bash
+curl -fsSL https://lmstudio.ai/install.sh | bash
+```
+
+2. Uruchom serwer
+
+Upewnij się, że uruchamiasz aplikację desktopową albo daemon za pomocą następującego polecenia:
+
+```bash
+lms daemon up
+```
+
+```bash
+lms server start --port 1234
+```
+
+Jeśli używasz aplikacji, upewnij się, że masz włączone JIT, aby zapewnić płynne działanie. Więcej informacji znajdziesz w [przewodniku LM Studio dotyczącym JIT i TTL](https://lmstudio.ai/docs/developer/core/ttl-and-auto-evict).
+
+3. OpenClaw wymaga wartości tokena LM Studio. Ustaw `LM_API_TOKEN`:
+
+```bash
+export LM_API_TOKEN="your-lm-studio-api-token"
+```
+
+Jeśli uwierzytelnianie LM Studio jest wyłączone, użyj dowolnej niepustej wartości tokena:
+
+```bash
+export LM_API_TOKEN="placeholder-key"
+```
+
+Szczegóły konfiguracji uwierzytelniania LM Studio znajdziesz w [LM Studio Authentication](https://lmstudio.ai/docs/developer/core/authentication).
+
+4. Uruchom onboarding i wybierz `LM Studio`:
+
+```bash
+openclaw onboard
+```
+
+5. Podczas onboardingu użyj monitu `Default model`, aby wybrać model LM Studio.
+
+Możesz też ustawić go lub zmienić później:
+
+```bash
+openclaw models set lmstudio/qwen/qwen3.5-9b
+```
+
+Klucze modeli LM Studio mają format `author/model-name` (na przykład `qwen/qwen3.5-9b`). Odwołania do modeli OpenClaw poprzedzają je nazwą dostawcy: `lmstudio/qwen/qwen3.5-9b`. Dokładny klucz modelu możesz znaleźć, uruchamiając `curl http://localhost:1234/api/v1/models` i sprawdzając pole `key`.
+
+## Onboarding nieinteraktywny
+
+Użyj nieinteraktywnego onboardingu, jeśli chcesz zautomatyzować konfigurację (CI, provisioning, zdalny bootstrap):
+
+```bash
+openclaw onboard \
+  --non-interactive \
+  --accept-risk \
+  --auth-choice lmstudio
+```
+
+Możesz też podać bazowy URL lub model wraz z kluczem API:
+
+```bash
+openclaw onboard \
+  --non-interactive \
+  --accept-risk \
+  --auth-choice lmstudio \
+  --custom-base-url http://localhost:1234/v1 \
+  --lmstudio-api-key "$LM_API_TOKEN" \
+  --custom-model-id qwen/qwen3.5-9b
+```
+
+`--custom-model-id` przyjmuje klucz modelu zwracany przez LM Studio (na przykład `qwen/qwen3.5-9b`), bez prefiksu dostawcy `lmstudio/`.
+
+Nieinteraktywny onboarding wymaga `--lmstudio-api-key` (lub `LM_API_TOKEN` w zmiennych środowiskowych).
+W przypadku nieuwierzytelnionych serwerów LM Studio działa dowolna niepusta wartość tokena.
+
+`--custom-api-key` nadal jest obsługiwane ze względu na zgodność, ale dla LM Studio zalecane jest `--lmstudio-api-key`.
+
+Spowoduje to zapisanie `models.providers.lmstudio`, ustawienie domyślnego modelu na
+`lmstudio/<custom-model-id>` oraz zapisanie profilu uwierzytelniania `lmstudio:default`.
+
+Konfiguracja interaktywna może poprosić o opcjonalną preferowaną długość kontekstu ładowania i zastosuje ją do wykrytych modeli LM Studio zapisywanych w konfiguracji.
+
+## Konfiguracja
+
+### Jawna konfiguracja
+
+```json5
+{
+  models: {
+    providers: {
+      lmstudio: {
+        baseUrl: "http://localhost:1234/v1",
+        apiKey: "${LM_API_TOKEN}",
+        api: "openai-completions",
+        models: [
+          {
+            id: "qwen/qwen3-coder-next",
+            name: "Qwen 3 Coder Next",
+            reasoning: false,
+            input: ["text"],
+            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
+            contextWindow: 128000,
+            maxTokens: 8192,
+          },
+        ],
+      },
+    },
+  },
+}
+```
+
+## Rozwiązywanie problemów
+
+### Nie wykryto LM Studio
+
+Upewnij się, że LM Studio jest uruchomione i że ustawiono `LM_API_TOKEN` (w przypadku serwerów nieuwierzytelnionych działa dowolna niepusta wartość tokena):
+
+```bash
+# Uruchom przez aplikację desktopową lub bez interfejsu:
+lms server start --port 1234
+```
+
+Sprawdź, czy API jest dostępne:
+
+```bash
+curl http://localhost:1234/api/v1/models
+```
+
+### Błędy uwierzytelniania (HTTP 401)
+
+Jeśli podczas konfiguracji pojawia się HTTP 401, sprawdź swój klucz API:
+
+- Sprawdź, czy `LM_API_TOKEN` odpowiada kluczowi skonfigurowanemu w LM Studio.
+- Szczegóły konfiguracji uwierzytelniania LM Studio znajdziesz w [LM Studio Authentication](https://lmstudio.ai/docs/developer/core/authentication).
+- Jeśli serwer nie wymaga uwierzytelniania, użyj dowolnej niepustej wartości tokena dla `LM_API_TOKEN`.
+
+### Ładowanie modeli just-in-time
+
+LM Studio obsługuje ładowanie modeli just-in-time (JIT), w którym modele są ładowane przy pierwszym żądaniu. Upewnij się, że ta opcja jest włączona, aby uniknąć błędów „Model not loaded”.
--- a/docs/pl/reference/api-usage-costs.md
+++ b/docs/pl/reference/api-usage-costs.md
@ -1,23 +1,22 @@
 ---
 read_when:
-    - Chcesz zrozumieć, które funkcje mogą wywoływać płatne API
-    - Musisz sprawdzić klucze, koszty i widoczność zużycia
-    - Wyjaśniasz raportowanie kosztów w /status lub /usage
-summary: Sprawdź, co może generować koszty, które klucze są używane i jak wyświetlać zużycie
+    - Chcesz zrozumieć, które funkcje mogą wywoływać płatne API.
+    - Musisz przeprowadzić audyt kluczy, kosztów i widoczności zużycia.
+    - Wyjaśniasz raportowanie kosztów w `/status` lub `/usage`.
+summary: Sprawdź, co może generować koszty, które klucze są używane i jak wyświetlić zużycie.
 title: Zużycie API i koszty
 x-i18n:
-    generated_at: "2026-04-07T09:49:40Z"
+    generated_at: "2026-04-13T08:50:45Z"
    model: gpt-5.4
    provider: openai
-    source_hash: ab6eefcde9ac014df6cdda7aaa77ef48f16936ab12eaa883d9fe69425a31a2dd
+    source_hash: f5077e74d38ef781ac7a72603e9f9e3829a628b95c5a9967915ab0f321565429
    source_path: reference/api-usage-costs.md
    workflow: 15
 ---

 # Zużycie API i koszty

-Ten dokument wymienia **funkcje, które mogą wywoływać klucze API** oraz miejsca, w których pojawiają się ich koszty. Skupia się na
-funkcjach OpenClaw, które mogą generować użycie dostawców lub płatne wywołania API.
+Ten dokument zawiera listę **funkcji, które mogą wywoływać klucze API** oraz wskazuje, gdzie pojawiają się ich koszty. Skupia się na funkcjach OpenClaw, które mogą generować zużycie dostawców lub płatne wywołania API.

 ## Gdzie pojawiają się koszty (czat + CLI)

@ -25,111 +24,93 @@ funkcjach OpenClaw, które mogą generować użycie dostawców lub płatne wywo

 - `/status` pokazuje bieżący model sesji, użycie kontekstu i tokeny ostatniej odpowiedzi.
 - Jeśli model używa **uwierzytelniania kluczem API**, `/status` pokazuje także **szacowany koszt** ostatniej odpowiedzi.
- Jeśli metadane aktywnej sesji są ubogie, `/status` może odzyskać liczniki tokenów/cache
-  oraz etykietę aktywnego modelu runtime z najnowszego wpisu użycia w transkrypcie.
-  Istniejące niezerowe wartości aktywne nadal mają pierwszeństwo, a sumy z transkryptu wielkości promptu
-  mogą wygrać, gdy zapisane sumy nie istnieją lub są mniejsze.
+- Jeśli metadane aktywnej sesji są ubogie, `/status` może odzyskać liczniki tokenów/pamięci podręcznej oraz etykietę aktywnego modelu środowiska uruchomieniowego z najnowszego wpisu użycia w transkrypcie. Istniejące niezerowe wartości na żywo nadal mają pierwszeństwo, a sumy z transkryptu o rozmiarze promptu mogą wygrać, gdy zapisane sumy są nieobecne lub mniejsze.

-**Stopka kosztów dla wiadomości**
+**Stopka kosztu dla wiadomości**

- `/usage full` dołącza stopkę użycia do każdej odpowiedzi, w tym **szacowany koszt** (tylko klucz API).
- `/usage tokens` pokazuje tylko tokeny; przepływy subskrypcyjne OAuth/token i CLI ukrywają koszt w dolarach.
- Uwaga dotycząca Gemini CLI: gdy CLI zwraca wyjście JSON, OpenClaw odczytuje użycie z
-  `stats`, normalizuje `stats.cached` do `cacheRead` i w razie potrzeby wyprowadza tokeny wejściowe
-  z `stats.input_tokens - stats.cached`.
+- `/usage full` dodaje stopkę użycia do każdej odpowiedzi, w tym **szacowany koszt** (tylko klucz API).
+- `/usage tokens` pokazuje tylko tokeny; przepływy OAuth/token w stylu subskrypcyjnym oraz przepływy CLI ukrywają koszt w dolarach.
+- Uwaga dotycząca Gemini CLI: gdy CLI zwraca dane wyjściowe w formacie JSON, OpenClaw odczytuje użycie z `stats`, normalizuje `stats.cached` do `cacheRead` i w razie potrzeby wylicza tokeny wejściowe z `stats.input_tokens - stats.cached`.

-Uwaga dotycząca Anthropic: pracownicy Anthropic poinformowali nas, że użycie Claude CLI w stylu OpenClaw jest
-ponownie dozwolone, więc OpenClaw traktuje ponowne użycie Claude CLI i użycie `claude -p` jako
-zatwierdzone dla tej integracji, chyba że Anthropic opublikuje nową politykę.
-Anthropic nadal nie udostępnia oszacowania kosztu w dolarach dla pojedynczej wiadomości, które OpenClaw mógłby
-pokazać w `/usage full`.
+Uwaga dotycząca Anthropic: pracownicy Anthropic poinformowali nas, że użycie Claude CLI w stylu OpenClaw jest znowu dozwolone, więc OpenClaw traktuje ponowne użycie Claude CLI i użycie `claude -p` jako zatwierdzone dla tej integracji, chyba że Anthropic opublikuje nową politykę.
+Anthropic nadal nie udostępnia szacunku kosztu w dolarach dla pojedynczej wiadomości, który OpenClaw mógłby pokazać w `/usage full`.

 **Okna użycia CLI (limity dostawców)**

- `openclaw status --usage` i `openclaw channels list` pokazują **okna użycia** dostawców
-  (migawki limitów, a nie koszty pojedynczych wiadomości).
- Wynik czytelny dla człowieka jest normalizowany do `X% left` dla wszystkich dostawców.
- Obecni dostawcy okien użycia: Anthropic, GitHub Copilot, Gemini CLI,
-  OpenAI Codex, MiniMax, Xiaomi i z.ai.
- Uwaga dotycząca MiniMax: jego surowe pola `usage_percent` / `usagePercent` oznaczają pozostały
-  limit, więc OpenClaw odwraca je przed wyświetleniem. Pola oparte na liczbie nadal mają
-  pierwszeństwo, gdy są obecne. Jeśli dostawca zwróci `model_remains`, OpenClaw preferuje wpis modelu czatu,
-  w razie potrzeby wyprowadza etykietę okna ze znaczników czasu
-  i dołącza nazwę modelu do etykiety planu.
- Uwierzytelnianie użycia dla tych okien limitów pochodzi z hooków specyficznych dla dostawcy, gdy
-  są dostępne; w przeciwnym razie OpenClaw wraca do dopasowywania poświadczeń OAuth/klucza API
-  z profili auth, env lub konfiguracji.
+- `openclaw status --usage` i `openclaw channels list` pokazują **okna użycia** dostawcy (migawki limitów, a nie koszty pojedynczych wiadomości).
+- Dane wyjściowe dla ludzi są normalizowane do postaci `X% left` dla wszystkich dostawców.
+- Obecni dostawcy okien użycia: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi i z.ai.
+- Uwaga dotycząca MiniMax: jego surowe pola `usage_percent` / `usagePercent` oznaczają pozostały limit, więc OpenClaw odwraca je przed wyświetleniem. Pola oparte na liczbie nadal mają pierwszeństwo, jeśli są obecne. Jeśli dostawca zwraca `model_remains`, OpenClaw preferuje wpis modelu czatu, w razie potrzeby wyprowadza etykietę okna z sygnatur czasowych i uwzględnia nazwę modelu w etykiecie planu.
+- Uwierzytelnianie użycia dla tych okien limitów pochodzi z hooków specyficznych dla dostawcy, gdy są dostępne; w przeciwnym razie OpenClaw przechodzi do dopasowywania poświadczeń OAuth/kluczy API z profili uwierzytelniania, środowiska lub konfiguracji.

-Szczegóły i przykłady znajdziesz w [Token use & costs](/pl/reference/token-use).
+Szczegóły i przykłady znajdziesz w [Użycie tokenów i koszty](/pl/reference/token-use).

 ## Jak wykrywane są klucze

 OpenClaw może pobierać poświadczenia z:

- **Profili auth** (per agent, przechowywanych w `auth-profiles.json`).
+- **Profili uwierzytelniania** (na agenta, przechowywanych w `auth-profiles.json`).
 - **Zmienne środowiskowe** (np. `OPENAI_API_KEY`, `BRAVE_API_KEY`, `FIRECRAWL_API_KEY`).
 - **Konfiguracja** (`models.providers.*.apiKey`, `plugins.entries.*.config.webSearch.apiKey`,
  `plugins.entries.firecrawl.config.webFetch.apiKey`, `memorySearch.*`,
  `talk.providers.*.apiKey`).
- **Skills** (`skills.entries.<name>.apiKey`), które mogą eksportować klucze do env procesu skill.
+- **Skills** (`skills.entries.<name>.apiKey`), które mogą eksportować klucze do środowiska procesu Skill.

-## Funkcje, które mogą generować koszty z użycia kluczy
+## Funkcje, które mogą korzystać z kluczy

-### 1) Główne odpowiedzi modelu (czat + narzędzia)
+### 1) Odpowiedzi modelu podstawowego (czat + narzędzia)

-Każda odpowiedź lub wywołanie narzędzia używa **bieżącego dostawcy modelu** (OpenAI, Anthropic itd.). To
-główne źródło użycia i kosztów.
+Każda odpowiedź lub wywołanie narzędzia używa **bieżącego dostawcy modelu** (OpenAI, Anthropic itd.). To podstawowe źródło użycia i kosztów.

-Obejmuje to także hostowanych dostawców w stylu subskrypcyjnym, którzy nadal rozliczają się poza
-lokalnym UI OpenClaw, takich jak **OpenAI Codex**, **Alibaba Cloud Model Studio
-Coding Plan**, **MiniMax Coding Plan**, **Z.AI / GLM Coding Plan** oraz
-ścieżka logowania Anthropic Claude w OpenClaw z włączonym **Extra Usage**.
+Obejmuje to także hostowanych dostawców w stylu subskrypcyjnym, którzy nadal rozliczają poza lokalnym interfejsem OpenClaw, takich jak **OpenAI Codex**, **Alibaba Cloud Model Studio
+Coding Plan**, **MiniMax Coding Plan**, **Z.AI / GLM Coding Plan** oraz ścieżka logowania Anthropic do Claude w OpenClaw z włączonym **Extra Usage**.

-Informacje o konfiguracji cen znajdziesz w [Models](/pl/providers/models), a o wyświetlaniu w [Token use & costs](/pl/reference/token-use).
+Zobacz [Modele](/pl/providers/models), aby poznać konfigurację cen, oraz [Użycie tokenów i koszty](/pl/reference/token-use), aby poznać sposób wyświetlania.

 ### 2) Rozumienie mediów (audio/obraz/wideo)

-Przychodzące media mogą zostać podsumowane/przepisane przed uruchomieniem odpowiedzi. Wykorzystuje to API modeli/dostawców.
+Media przychodzące mogą być streszczane/transkrybowane przed wygenerowaniem odpowiedzi. Wykorzystuje to interfejsy API modelu/dostawcy.

 - Audio: OpenAI / Groq / Deepgram / Google / Mistral.
 - Obraz: OpenAI / OpenRouter / Anthropic / Google / MiniMax / Moonshot / Qwen / Z.AI.
 - Wideo: Google / Qwen / Moonshot.

-Zobacz [Media understanding](/pl/nodes/media-understanding).
+Zobacz [Rozumienie mediów](/pl/nodes/media-understanding).

 ### 3) Generowanie obrazów i wideo

-Współdzielone możliwości generowania również mogą zużywać klucze dostawców:
+Współdzielone możliwości generowania również mogą wykorzystywać klucze dostawców:

 - Generowanie obrazów: OpenAI / Google / fal / MiniMax
 - Generowanie wideo: Qwen

-Generowanie obrazów może wywnioskować domyślnego dostawcę obsługiwanego przez auth, gdy
+Generowanie obrazów może wywnioskować domyślnego dostawcę opartego na uwierzytelnianiu, gdy
 `agents.defaults.imageGenerationModel` nie jest ustawione. Generowanie wideo obecnie
 wymaga jawnego `agents.defaults.videoGenerationModel`, takiego jak
 `qwen/wan2.6-t2v`.

-Zobacz [Image generation](/pl/tools/image-generation), [Qwen Cloud](/pl/providers/qwen)
-i [Models](/pl/concepts/models).
+Zobacz [Generowanie obrazów](/pl/tools/image-generation), [Qwen Cloud](/pl/providers/qwen)
+i [Modele](/pl/concepts/models).

-### 4) Embeddingi pamięci + wyszukiwanie semantyczne
+### 4) Osadzania pamięci + wyszukiwanie semantyczne

-Semantyczne wyszukiwanie pamięci używa **API embeddingów**, gdy jest skonfigurowane dla zdalnych dostawców:
+Semantyczne wyszukiwanie pamięci używa **interfejsów API osadzań**, gdy jest skonfigurowane dla zdalnych dostawców:

- `memorySearch.provider = "openai"` → embeddingi OpenAI
- `memorySearch.provider = "gemini"` → embeddingi Gemini
- `memorySearch.provider = "voyage"` → embeddingi Voyage
- `memorySearch.provider = "mistral"` → embeddingi Mistral
- `memorySearch.provider = "ollama"` → embeddingi Ollama (lokalne/self-hosted; zwykle bez rozliczania hostowanego API)
- Opcjonalny fallback do zdalnego dostawcy, jeśli lokalne embeddingi zawiodą
+- `memorySearch.provider = "openai"` → osadzania OpenAI
+- `memorySearch.provider = "gemini"` → osadzania Gemini
+- `memorySearch.provider = "voyage"` → osadzania Voyage
+- `memorySearch.provider = "mistral"` → osadzania Mistral
+- `memorySearch.provider = "lmstudio"` → osadzania LM Studio (lokalne/self-hosted)
+- `memorySearch.provider = "ollama"` → osadzania Ollama (lokalne/self-hosted; zwykle bez rozliczeń za hostowane API)
+- Opcjonalny fallback do zdalnego dostawcy, jeśli lokalne osadzania zakończą się niepowodzeniem

-Możesz pozostać lokalnie z `memorySearch.provider = "local"` (bez użycia API).
+Możesz pozostać lokalnie, używając `memorySearch.provider = "local"` (bez użycia API).

-Zobacz [Memory](/pl/concepts/memory).
+Zobacz [Pamięć](/pl/concepts/memory).

 ### 5) Narzędzie wyszukiwania w sieci

-`web_search` może generować opłaty zależnie od dostawcy:
+`web_search` może generować opłaty za użycie w zależności od dostawcy:

 - **Brave Search API**: `BRAVE_API_KEY` lub `plugins.entries.brave.config.webSearch.apiKey`
 - **Exa**: `EXA_API_KEY` lub `plugins.entries.exa.config.webSearch.apiKey`
@ -138,20 +119,20 @@ Zobacz [Memory](/pl/concepts/memory).
 - **Grok (xAI)**: `XAI_API_KEY` lub `plugins.entries.xai.config.webSearch.apiKey`
 - **Kimi (Moonshot)**: `KIMI_API_KEY`, `MOONSHOT_API_KEY` lub `plugins.entries.moonshot.config.webSearch.apiKey`
 - **MiniMax Search**: `MINIMAX_CODE_PLAN_KEY`, `MINIMAX_CODING_API_KEY`, `MINIMAX_API_KEY` lub `plugins.entries.minimax.config.webSearch.apiKey`
- **Ollama Web Search**: domyślnie bez klucza, ale wymaga dostępnego hosta Ollama oraz `ollama signin`; może też ponownie używać zwykłego bearer auth dostawcy Ollama, gdy host tego wymaga
+- **Ollama Web Search**: domyślnie bez klucza, ale wymaga osiągalnego hosta Ollama oraz `ollama signin`; może także ponownie używać zwykłego uwierzytelniania bearer dostawcy Ollama, gdy host tego wymaga
 - **Perplexity Search API**: `PERPLEXITY_API_KEY`, `OPENROUTER_API_KEY` lub `plugins.entries.perplexity.config.webSearch.apiKey`
 - **Tavily**: `TAVILY_API_KEY` lub `plugins.entries.tavily.config.webSearch.apiKey`
- **DuckDuckGo**: zapasowy fallback bez klucza (bez rozliczania API, ale nieoficjalny i oparty na HTML)
- **SearXNG**: `SEARXNG_BASE_URL` lub `plugins.entries.searxng.config.webSearch.baseUrl` (bez klucza/self-hosted; bez rozliczania hostowanego API)
+- **DuckDuckGo**: fallback bez klucza (bez rozliczeń API, ale nieoficjalny i oparty na HTML)
+- **SearXNG**: `SEARXNG_BASE_URL` lub `plugins.entries.searxng.config.webSearch.baseUrl` (bez klucza/self-hosted; bez rozliczeń za hostowane API)

-Starsze ścieżki dostawców `tools.web.search.*` nadal są ładowane przez tymczasową warstwę zgodności, ale nie są już zalecaną powierzchnią konfiguracji.
+Starsze ścieżki dostawcy `tools.web.search.*` są nadal wczytywane przez tymczasową warstwę zgodności, ale nie są już zalecaną powierzchnią konfiguracji.

-**Darmowy kredyt Brave Search:** Każdy plan Brave obejmuje odnawialny darmowy
-kredyt w wysokości \$5/miesiąc. Plan Search kosztuje \$5 za 1000 żądań, więc kredyt pokrywa
+**Darmowy kredyt Brave Search:** Każdy plan Brave obejmuje odnawialny
+darmowy kredyt w wysokości \$5/miesiąc. Plan Search kosztuje \$5 za 1000 żądań, więc ten kredyt pokrywa
 1000 żądań/miesiąc bez opłat. Ustaw limit użycia w panelu Brave,
-aby uniknąć nieoczekiwanych opłat.
+aby uniknąć nieoczekiwanych kosztów.

-Zobacz [Web tools](/pl/tools/web).
+Zobacz [Narzędzia webowe](/pl/tools/web).

 ### 5) Narzędzie pobierania z sieci (Firecrawl)

@ -159,33 +140,33 @@ Zobacz [Web tools](/pl/tools/web).

 - `FIRECRAWL_API_KEY` lub `plugins.entries.firecrawl.config.webFetch.apiKey`

-Jeśli Firecrawl nie jest skonfigurowany, narzędzie wraca do bezpośredniego pobierania + readability (bez płatnego API).
+Jeśli Firecrawl nie jest skonfigurowany, narzędzie przechodzi do bezpośredniego pobierania + readability (bez płatnego API).

-Zobacz [Web tools](/pl/tools/web).
+Zobacz [Narzędzia webowe](/pl/tools/web).

-### 6) Migawki użycia dostawcy (status/health)
+### 6) Migawki użycia dostawcy (status/stan)

-Niektóre polecenia statusu wywołują **endpointy użycia dostawców**, aby wyświetlić okna limitów lub stan auth.
-Zwykle są to wywołania o niskiej częstotliwości, ale nadal trafiają do API dostawców:
+Niektóre polecenia statusu wywołują **punkty końcowe użycia dostawcy**, aby wyświetlić okna limitów lub stan uwierzytelniania.
+Są to zwykle wywołania o małej częstotliwości, ale nadal trafiają do API dostawcy:

 - `openclaw status --usage`
 - `openclaw models status --json`

-Zobacz [Models CLI](/cli/models).
+Zobacz [CLI modeli](/cli/models).

-### 7) Podsumowanie zabezpieczające przy kompaktowaniu
+### 7) Zabezpieczające podsumowywanie Compaction

-Zabezpieczenie kompaktowania może podsumowywać historię sesji przy użyciu **bieżącego modelu**, co
-wywołuje API dostawców podczas działania.
+Zabezpieczenie Compaction może podsumowywać historię sesji przy użyciu **bieżącego modelu**, co
+wywołuje interfejsy API dostawcy podczas działania.

-Zobacz [Session management + compaction](/pl/reference/session-management-compaction).
+Zobacz [Zarządzanie sesją + Compaction](/pl/reference/session-management-compaction).

 ### 8) Skanowanie / sondowanie modeli

 `openclaw models scan` może sondować modele OpenRouter i używa `OPENROUTER_API_KEY`, gdy
 sondowanie jest włączone.

-Zobacz [Models CLI](/cli/models).
+Zobacz [CLI modeli](/cli/models).

 ### 9) Talk (mowa)

@ -193,11 +174,11 @@ Tryb Talk może wywoływać **ElevenLabs**, gdy jest skonfigurowany:

 - `ELEVENLABS_API_KEY` lub `talk.providers.elevenlabs.apiKey`

-Zobacz [Talk mode](/pl/nodes/talk).
+Zobacz [Tryb Talk](/pl/nodes/talk).

-### 10) Skills (API zewnętrzne)
+### 10) Skills (API innych firm)

-Skills mogą przechowywać `apiKey` w `skills.entries.<name>.apiKey`. Jeśli skill używa tego klucza dla zewnętrznych
-API, może generować koszty zgodnie z dostawcą tego skill.
+Skills mogą przechowywać `apiKey` w `skills.entries.<name>.apiKey`. Jeśli Skill używa tego klucza do zewnętrznych
+API, może generować koszty zgodnie z dostawcą danego Skill.

 Zobacz [Skills](/pl/tools/skills).