Jedna komenda zastępuje 5 API! CLI Bailian od Alibaba Cloud wychodzi na open source — bitwa o infrastrukturę epoki agentów oficjalnie wystartowała

29 maja Alibaba Cloud zrobiło coś, od czego twórcy agentów dostali zbiorowego przyspieszenia — kluczowe funkcje Bailian zostały oficjalnie przeniesione do CLI, a jedna komenda pozwala AI Agentowi automatycznie podłączyć się do ponad 150 modeli, ponad 10 aplikacji, bazy wiedzy, pamięci, wyszukiwania w internecie i całego zestawu możliwości.

Co ważniejsze, CLI Bailian jest już dostępne jako open source na GitHub (modelstudioai/cli) i natywnie obsługuje główne frameworki agentowe: Claude Code, Qoder, OpenClaw, Hermes Agent.

W jednym zdaniu: możliwości agenta, do których kiedyś trzeba było ręcznie wołać 10 API, teraz załatwia jedna komenda bl.

Czym właściwie jest CLI Bailian

Alibaba Cloud Bailian (Model Studio) to kompleksowa platforma do tworzenia aplikacji opartych na dużych modelach i agentach. Dawniej korzystało się z niej przez konsolę webową i SDK API — trzeba było pisać kod, konfigurować środowisko i zarządzać tokenami.

Teraz CLI Bailian przenosi wszystkie kluczowe możliwości do wiersza poleceń:

• Czat tekstowy: główne modele, takie jak Qwen3.7-max
• Multimodalność (Omni): pełna obsługa tekstu + obrazów + dźwięku + wideo
• Generowanie i edycja obrazów: Qwen-Image 2.0, profesjonalne renderowanie tekstu, jakość fotograficzna, łączenie wielu obrazów
• Generowanie i edycja wideo: seria HappyHorse-1.0, text-to-video / image-to-video / wideo referencyjne, maksymalnie 9 obrazów referencyjnych
• Synteza i rozpoznawanie mowy: streamingowy TTS CosyVoice + klonowanie głosu z 5–20 sekund nagrania; FunAudio-ASR obejmuje 30 języków, w tym 7 chińskich dialektów
• Rozumienie obrazu i wideo: Qwen-VL, analiza długich materiałów wideo, parsowanie wykresów i dokumentów, wnioskowanie wizualne, wielojęzyczny OCR
• Baza wiedzy + pamięć: multimodalne wyszukiwanie RAG + pamięć między sesjami
• Wywoływanie aplikacji: bezpośrednie odwoływanie się do agentów i workflow opublikowanych na platformie Bailian
• Wyszukiwanie w sieci: pobieranie danych z internetu w czasie rzeczywistym
• Możliwości konsoli: przeglądanie listy aplikacji, sprawdzanie darmowych limitów
• Automatyczne wysyłanie plików lokalnych: każdy parametr URL przyjmuje ścieżkę lokalną i automatycznie przesyła plik do darmowej pamięci tymczasowej (ważnej 48 godzin)

Co więcej, każda komenda może działać jako ustrukturyzowane tool call — czyli AI Agent może ją wywołać bezpośrednio, bez pisania wrappera.

Trzy kroki instalacji i startujesz

Wymagania środowiska: Node.js >= 22.12.

Krok 1: instalacja CLI i Skills

npm install -g bailian-cli
npx skills add modelstudioai/skills --all -g

Krok 2: uwierzytelnienie

bl auth login --api-key sk-xxxxx

Klucz API pobierasz z konsoli Bailian; użytkownicy darmowi dostają po 1 mln tokenów na każdy model, maksymalnie nawet 50 mln.

Krok 3: korzystasz

Rozmowa z Qwen:

bl text chat --message "What is DashScope?"

Dialog multimodalny (tekst + obraz + dźwięk + wideo):

bl omni --message "描述这张图" --image ./photo.jpg

Generowanie obrazu:

bl image generate --prompt "A cat in a spacesuit" --out-dir ./images/

Generowanie wideo (z lokalnego obrazu):

bl video generate --image ./cat.png --prompt "Make the cat move" --download cat.mp4

Sprawdzenie darmowego limitu:

bl usage free --model qwen3-max

Przeglądanie aplikacji Bailian:

bl app list

Samoczynna aktualizacja:

bl update

2-minutowy film w japońskim stylu młodzieńczym z jednego zdania: oficjalne demo

W README CLI Bailian na GitHub jest oficjalne demo, po którym człowiekowi po prostu opada szczęka.

Oryginalny prompt:

Wygeneruj film w japońskim stylu filmowo-telewizyjnym: historia pierwszej, nieśmiałej miłości licealistki, bardzo słodka fabuła, żeby po obejrzeniu chciało się zakochać, około 2 minuty, format 16:9

Efekt końcowy: kompletny, 2-minutowy film w formacie 16:9 na poziomie kinowym, bez ani jednej ręcznej operacji montażu.

Łańcuch wykonania wygląda tak:

• Qwen Code (model agentic coding) analizuje intencję użytkownika, planuje rytm narracji i decyduje, które narzędzia wywołać
• Skill spark-video dzieli historię na ujęcia, pisze prompt dla każdego z nich i dba o spójność wizualną (postacie, światło, tonacja, język kamery)
• bl video generate z CLI Bailian rozdziela każde ujęcie równolegle do wygenerowania przez HappyHorse 1.0
• Skill składa wszystkie fragmenty ponownie w końcowy produkt 16:9 o długości 2 minut

Żadnego przeciągania na osi czasu, żadnej edycji klatka po klatce — jedno zdanie wchodzi, jeden film wychodzi.

W tym właśnie tkwi największa wartość przejścia na CLI: złożone przepływy pracy stają się atomowymi możliwościami, które agent może sam układać.

Dlaczego CLI to zabójcza broń epoki agentów

Możesz pomyśleć: CLI to przecież tylko wiersz poleceń, stara technologia — warto się tak ekscytować?

Klucz tkwi w tym, jak bardzo forma CLI pasuje do agenta.

Tradycyjna integracja przez API:

• Trzeba pisać kod (osobno w Python/Node/Go)
• Trzeba zarządzać wersjami SDK
• Trzeba obsłużyć uwierzytelnianie, timeouty, ponowienia i kody błędów
• Do wywołań przez agenta trzeba jeszcze napisać wrapper

Integracja przez CLI:

• Agent pracuje w shellu, a CLI to jego naturalny język
• Jedna komenda to jedno wywołanie narzędzia, a ustrukturyzowany wynik trafia prosto z powrotem do modelu
• Brak problemów z językami: bash, Python, Node i Go wszystko obsłużą
• Aktualizacja to po prostu bl update — agent nie musi zmieniać kodu

Jeszcze ciekawsze jest to, że CLI Bailian jest natywnie kompatybilne z głównymi frameworkami agentowymi: Claude Code, Qoder, OpenClaw, Hermes Agent. Czyli mówiąc wprost:

• Mówisz w Claude Code „wygeneruj mi obraz”, a on od razu woła bl image generate
• Mówisz w OpenClaw „przeanalizuj ten film”, a on od razu korzysta z możliwości rozumienia wideo bl
• Piszesz kod w Qoder, brakuje ci jakiejś możliwości — po prostu wołasz bl

Agent nie potrzebuje żadnej dodatkowej konfiguracji, żeby mieć pełen zestaw możliwości 150+ modeli Bailian.

Co kryje się za liczbą 150+ modeli

Platforma Bailian agreguje nie tylko serię Alibaba Tongyi, ale też:

• Całą serię Tongyi Qianwen (Qwen3-Max, Qwen-Image 2.0, Qwen-VL, Qwen Code itd.)
• Serie DeepSeek
• Serie GLM (Zhipu)
• Serie Kimi (Moonshot AI)
• Serie MiniMax
• Własne modele multimodalne Alibaba: HappyHorse, CosyVoice, FunAudio-ASR
• Szeroka integracja modeli open source od firm trzecich

Zaleta takiej agregacji: nie musisz osobno występować o klucz API u każdego dostawcy modelu, osobno doładowywać konto i osobno integrować. Jedno konto Bailian wystarcza na wszystko.

W połączeniu z kolejnym asem Alibaba Cloud, Coding Plan (jedną stałą miesięczną subskrypcją obejmującą wiele modeli), programiści za stałą kwotę miesięcznie mają dostęp do wszystkich czołowych modeli i nie muszą się martwić przekroczeniem budżetu na wywołania API.

Sposoby uwierzytelniania są bardzo wygodne

CLI Bailian oferuje trzy sposoby uwierzytelniania:

• Zmienna środowiskowa: export DASHSCOPE_API_KEY=sk-xxxxx
• Komenda logowania: bl auth login –api-key sk-xxxxx (zapis w ~/.bailian/config.json)
• Pojedyncza komenda: bl text chat –api-key sk-xxxxx –message Hello

Funkcje konsoli (app list, usage free) wymagają logowania przez przeglądarkę:

bl auth login --console

Wyszukiwanie w bazie wiedzy wymaga AccessKey subkonta RAM:

export ALIBABA_CLOUD_ACCESS_KEY_ID=LTAI5t...
export ALIBABA_CLOUD_ACCESS_KEY_SECRET=...
export BAILIAN_WORKSPACE_ID=ws-...

Oficjalne zalecenie: używaj subkonta RAM, nie głównego konta AK/SK — bardzo profesjonalna uwaga dotycząca bezpieczeństwa.

Prawdziwy sygnał stojący za ruchem Alibaba

Gdy spojrzeć na CLI Bailian w kontekście wszystkich tegorocznych działań Alibaba Cloud, rytm staje się jasny:

• 28 stycznia: Alibaba Cloud uruchamia pełen pakiet usług OpenClaw, zapewniając całą infrastrukturę potrzebną agentom
• Kwiecień: premiera Tongyi Qianwen Qwen3.7-Max, możliwości programistyczne doganiają Claude
• Maj: start subskrypcji Coding Plan, od 49 juanów miesięcznie, agregującej 4 czołowe modele
• 29 maja: CLI Bailian oficjalnie staje się open source — agent instaluje i działa

Intencja tej serii ruchów jest bardzo czytelna:

Alibaba Cloud nie zamierza tylko sprzedawać API modeli. Chce być mediami — wodą, prądem i gazem — epoki agentów. Od infrastruktury (usługi chmurowe OpenClaw), przez dobór modeli (Coding Plan) i wywoływanie możliwości (CLI Bailian), aż po kompatybilność z frameworkami agentowymi (Claude Code/OpenClaw/Hermes/Qoder) — chce pokryć cały łańcuch tworzenia aplikacji agentowych.

To dokładnie ta sama logika, którą AWS zastosowało w erze chmury z S3 + EC2 + Lambda — nie sprzedawać pojedynczej usługi, lecz cały ekosystem.

Jak to się ma do projektów takich jak OpenClaw czy Hermes

Kto zna ekosystem agentów, zapyta: skoro Alibaba ma własne Qwen Code i Bailian, po co aktywnie wspierać obce frameworki — OpenClaw, Hermes?

Odpowiedź jest bardzo przyziemna: przepływy pracy programistów już dawno zostały zajęte przez te otwarte frameworki agentowe.

• OpenClaw ma 356 tys. gwiazdek i jest jednym z najszybciej rosnących projektów open source w historii GitHub
• Hermes Agent zebrał 71 tys. gwiazdek w nieco ponad dwa miesiące, niezależni deweloperzy migrują najchętniej
• Claude Code i Qoder to czołowe narzędzia AI do programowania zarówno w Chinach, jak i za granicą

Alibaba Cloud wybiera: zamiast walczyć z tymi projektami o uwagę użytkowników, lepiej być dostawcą infrastruktury — nieważne, jakiego frameworku agentowego używasz, moje możliwości i tak możesz wywołać.

To bardzo dojrzała strategia sprzedawania łopat. Poszukiwacze złota przychodzą i odchodzą, a łopaty sprzedają się zawsze.

Praktyczne wskazówki dla programistów

Jeśli chcesz spróbować już dziś, zrób to w tej kolejności:

Krok pierwszy: odbierz darmowe tokeny

Załóż konto w konsoli Bailian — każdy model dostaje 1 mln tokenów, łącznie nawet do 50 mln limitu. Zwykły programista nie zużyje tego w dwa miesiące.

Krok drugi: zainstaluj CLI

npm install -g bailian-cli
bl auth login --api-key sk-xxxxx

Krok trzeci: przetestuj najcenniejsze możliwości

Przetestuj po kolei:

• bl image generate (generowanie obrazów, porównaj z MidJourney)
• bl video generate (generowanie wideo, HappyHorse 1.0)
• bl omni (dialog multimodalny)
• bl text chat (Qwen3.7-Max, porównaj z Claude)

Krok czwarty: podłącz do swojego agenta

Jeśli używasz Claude Code, OpenClaw, Hermes lub Qoder, po prostu skonfiguruj bl jako dostępne narzędzie, a agent będzie je wywoływał samodzielnie.

Krok piąty: uruchom demo z wideo

Wypróbuj oficjalny Skill spark-video i wygeneruj krótki film z jednego zdania, żeby poczuć, jak wygląda kompletny przepływ pracy agenta.

Na koniec

Konkurencja w epoce AI Agentów nie polega już na tym, czyj model ma wyższe wyniki, lecz na tym, kto najłatwiej da agentowi dostęp do multimodalnych, wielofunkcyjnych i międzynarzędziowych możliwości złożonych.

Prawdziwa waga otwarcia CLI Bailian polega na tym, że niweluje najbardziej bolesny etap: samo wywoływanie możliwości. Kiedyś, żeby zbudować agenta, który rozpoznaje obrazy, pisze teksty, generuje wideo, przeszukuje sieć i korzysta z bazy wiedzy, trzeba było zintegrować ponad 5 API. Teraz załatwia to jedna komenda bl.

Dla niezależnego programisty: o 80% mniej kodu boilerplate i pełne skupienie na logice produktu.

Dla zespołów firmowych: mniej kosztów utrzymania integracji API, a do tego zgodność z krajowymi regulacjami gwarantowana przez platformę Bailian.

Dla całego ekosystemu agentów: połączenie atomowych możliwości w stylu CLI Bailian z przyjaznym agentom wzorcem projektowym może zostać skopiowane przez innych dużych graczy. W ciągu najbliższego roku lub dwóch najpewniej zobaczymy podobne narzędzia CLI od Tencent Cloud, Huawei Cloud czy ByteDance Volcano Engine.

Bitwa o infrastrukturę AI Agentów oficjalnie się rozpoczęła.

Adres na GitHub: github.com/modelstudioai/cli