Zadałem jedno pytanie 42 modelom językowym. Każdy dostał je pięć razy. Wyszło 210 odpowiedzi i sporo powodów do zmartwienia.
Test przygotowałem na swoje wystąpienie na Allegro Accessibility Festival 2026, który odbędzie się 26 października w Poznaniu. Opowiem tam o LASM, czyli czterech warstwach pracy z AI: LLM, czyli sam model, Agent, który dostaje narzędzia, Skill, czyli spisana procedura, i MCP, czyli serwer, z którego model bierze treść norm. Dzisiaj tylko pierwsza warstwa: sam model, bez żadnej pomocy.
Pytanie było proste: „Czy ten kod jest poprawny z punktu widzenia dostępności cyfrowej i WCAG?”. Bez promptu systemowego, bez podpowiedzi. Tak, jak zapytałaby osoba, która właśnie dostała kod od kolegi i chce się upewnić.
A kod był taki:
<a href=“/kontakt”
aria-label=“Kliknij aby przejść do podstrony z Kontakt”>Kontakt</a>
Zanim przeczytasz dalej, spróbuj odpowiedzieć. Jest błąd czy nie ma?
Poprawna odpowiedź
Według WCAG ten link jest w porządku. Kryterium 2.5.3 „Etykieta w nazwie” wymaga, żeby nazwa dostępna zawierała widoczny tekst. Widoczny tekst to „Kontakt”. Nazwa dostępna to „Kliknij aby przejść do podstrony z Kontakt”. Słowo „Kontakt” w niej jest, więc kryterium jest spełnione.
To, że najlepiej, by etykieta stała na początku nazwy, to tylko uwaga informacyjna. Dobra praktyka, a nie wymóg.
Coś jest jednak nie tak. Specyfikacja ARIA mówi wprost: jeśli tekst etykiety jest widoczny na stronie, autor nie powinien używać aria-label. Po angielsku to „SHOULD NOT”, czyli zalecenie, a nie zakaz.
Krótko mówiąc: WCAG spełnione, ARIA odradza. Atrybut jest zbędny i warto go usunąć, ale nikt nie powinien pisać, że kod łamie WCAG.
Moim osobistym zdaniem to jest błąd dostępności. Nie naruszenie WCAG, ale właśnie błąd. Dla mnie cyfrowa dostępność i zgodność z WCAG to zbiory odrębne, chociaż z wielką częścią wspólną. Ale to moje zdanie, a mój MCP jest w tym bardzo skrupulatny.
Rok temu było gorzej
Ten link może już znasz. W sierpniu 2025 roku w Dostępniku o zaufaniu do AI zadałem to samo pytanie 11 modelom. Ręcznie, po jednym razie. Były tam między innymi GPT-4, GPT-4o, Gemini 2.5 Pro, kilka modeli Gemma, Phi-4, Qwen3 i Bielik.
Wtedy połowa modeli w ogóle nie widziała problemu. Gemma 3 w trzech rozmiarach i Bielik chwaliły aria-label jako „opisowy” i „pomocny”. Phi-4 najpierw napisał, że atrybut jest zbędny, a potem zaproponował nowy, „Przejdź do strony Kontakt”.
Dzisiaj wszystkie 42 modele radzą usunąć aria-label. To spory postęp. Tyle że, jak zaraz zobaczysz, z dobrą radą przychodzi często złe uzasadnienie.
Muszę też coś sprostować. Rok temu za jedyną w pełni poprawną uznałem odpowiedź Gemini 2.5 Pro, który wskazał naruszenie kryterium 2.5.3. Dzisiaj oceniam to inaczej: 2.5.3 jest spełnione, a problem leży w zaleceniu ARIA. Sam się dałem przekonać pewnemu siebie modelowi. To chyba najlepszy dowód na to, o czym jest ten numer.
Co odpowiedziały modele
Wziąłem modele z OpenRouter i podzieliłem je na cztery grupy:
· drogie – modele flagowe, 12 sztuk,
· średnie – od 1 do 4,50 dolara za milion tokenów wyjścia, 12 sztuk,
· tanie – do 0,50 dolara, 12 sztuk,
· do kodu – 6 modeli wyspecjalizowanych w programowaniu.
Wynik ogólny:
· 33% odpowiedzi trafnych,
· 33% wymijających („raczej”, „może”, bez jasnego werdyktu),
· 34% ze zmyślonym błędem WCAG.
Czyli w 71 odpowiedziach na 210 model stwierdził, że kod łamie WCAG. Najczęściej wskazywał 2.5.3, czyli dokładnie to kryterium, które jest spełnione. Ale pojawiały się też 1.1.1, 1.3.5, 2.4.6, 3.2.5, a raz nawet kryterium 4.4.3, które w ogóle nie istnieje.
Im taniej, tym więcej zmyśleń
Odsetek odpowiedzi ze zmyślonym błędem:
· modele drogie: 28%,
· modele średnie: 42%,
· modele tanie: 45%,
· modele do kodu: 7%.
Tańsze modele zmyślają częściej. To nie jest zaskoczenie. Zaskoczeniem jest raczej to, że prawie co trzecia odpowiedź drogiego, flagowego modelu też zawierała nieistniejący błąd. Gemini 4 Argon i Mistral Large 4 zmyślały w czterech odpowiedziach na pięć.
Modele do kodu wyglądają w tym zestawieniu najlepiej. Prawie nie zmyślają błędów. Ale o nich jeszcze za chwilę.
Jedno pytanie to nie test
Najpierw zrobiłem pilotaż: jedno pytanie na model. Wyszło 15 zmyśleń na 42 odpowiedzi. Wydawało się, że jest nieźle. Dopiero powtórzenia pokazały prawdziwy obraz.
Ten sam model, ten sam kod, a werdykty różne:
· Claude Opus 5.5 odpowiedział trafnie 5 razy na 5. Podobnie Claude Sonnet 5.5 i GPT-6.1 Sol.
· Kimi K2.6 za pierwszym razem odpowiedział trafnie. Potem w czterech próbach na pięć zmyślił błąd.
· Grok 4.3 zmyślał 5 razy na 5. Tak samo Muse Spark i MiMo Flash.
Jeśli sprawdzasz model jednym pytaniem i wychodzi dobrze, to możliwe, że to był po prostu szczęśliwy traf. Model, który raz odpowiada dobrze, a raz źle, w codziennej pracy jest loterią.
Wyczuwają problem, ale nie znają przepisu
Tu robi się ciekawie. Wszystkie 42 modele poradziły usunąć aria-label. Praktyczna rada była więc dobra. Problem w tym, na czym ją opierały.
· Tylko 2 odpowiedzi na 210 podały właściwy przepis, czyli zalecenie ze specyfikacji ARIA.
· 30% powoływało się ogólnie na „pierwszą zasadę ARIA”.
· 69% pisało tylko, że atrybut jest zbędny, bez żadnego uzasadnienia.
Modele wyczuwają, że coś jest nie tak. Ale nie wiedzą dlaczego. A jak nie wiedzą dlaczego, to dopisują sobie przyczynę z WCAG. Stąd zmyślone naruszenia.
Poprawka, która psuje
To mnie zaniepokoiło najbardziej. W 27 odpowiedziach model zaproponował „poprawkę” w rodzaju:
<a href=“/kontakt” aria-label=“Strona kontaktowa”>Kontakt</a>
Wygląda rozsądnie, prawda? Tyle że teraz nazwa dostępna nie zawiera słowa „Kontakt”. I dopiero ta poprawka łamie WCAG 2.5.3.
Dlaczego to kryterium sukcesu jest ważne? Wyobraź sobie osobę, która steruje komputerem głosem. Mówi „kliknij Kontakt”. Program szuka linku, którego nazwa zawiera słowo „Kontakt”. W oryginalnym kodzie go znajdzie. Po „poprawce” – już nie.
Najczęściej robiły to modele do kodu: 27% ich odpowiedzi zawierało taką poprawkę. Devstral zaproponował ją w czterech odpowiedziach na pięć. Czyli te modele, które najrzadziej zmyślają błędy, najczęściej wprowadzają prawdziwe. I to właśnie one najczęściej siedzą w edytorach programistów i poprawiają kod automatycznie.
Co z tego wynika?
Nie chodzi o to, żeby nie używać AI do oceny dostępności. Chodzi o to, żeby nie pytać go „na sucho”.
Sam model odpowiada z pamięci. Brzmi pewnie, ale nie sprawdza. Może trafić, może zmyślić, może „naprawić” coś, co działało. I nie da się z góry powiedzieć, którą z tych rzeczy zrobi tym razem.
Co pomaga? Na festiwalu pokażę to dokładniej, na kolejnych warstwach LASM, ale w skrócie:
· procedura – model dostaje jasną instrukcję, jak oceniać, i musi oddzielić wymóg WCAG od zalecenia ARIA,
· źródło – model sięga do tekstu WCAG i specyfikacji ARIA, zamiast cytować z pamięci,
· sprawdzenie – poprawka jest testowana tak samo jak oryginał, na przykład w przeglądarce.
Jak robiłem test
Dla dociekliwych:
· data: 22 października 2026,
· dostęp do modeli: OpenRouter, ustawienia domyślne,
· 42 modele × 5 powtórzeń = 210 odpowiedzi,
· ocena według stałego wzorca: część odpowiedzi ocenił Claude Opus 5.5 jako sędzia, część oceniłem ręcznie (skończył się budżet na API),
· na pilotażu ocena sędziego i moja zgadzały się w 41 przypadkach na 42 w kwestii zmyślonych błędów.
Podział na „trafne” i „wymijające” jest mniej pewny niż liczba zmyślonych błędów. Tę ostatnią można spokojnie porównywać między grupami.
Wieści o dostępności
AutomaticA11y 2027 – zbieramy na czwartą edycję konferencji o dostępności i sztucznej inteligencji. Pieniądze pójdą na poczęstunek, asystę dla uczestników i, jeśli starczy, dodatkowe usługi dostępności. Cel to 8000 zł. Każda kawa się liczy: wesprzyj AutomaticA11y 2027.
Webinarium PFRON „Dostępność usług handlu elektronicznego” – 29 października, godz. 10:00, online. Będzie o tym, co ustawa wymaga od sklepów internetowych, o najczęstszych barierach i o nadzorze Ministerstwa Cyfryzacji. Mówią przedstawiciele Ministerstwa Cyfryzacji, Związku Cyfrowa Polska i PFRON. Jest tłumaczenie na PJM i napisy na żywo. Szczegóły i zapisy na stronie PFRON.
Wuchta Dostępności: zdrowie dla każdego – 5 listopada 2026, Poznań, Urząd Marszałkowski Województwa Wielkopolskiego. Druga edycja konferencji, tym razem o dostępności placówek medycznych i opiekuńczych. Panele, część praktyczna z dobrymi rozwiązaniami i monodram „Całe życie w dresach”. Wydarzenie jest tłumaczone na PJM, w sali działa pętla indukcyjna. Organizują DGA i Inkubator Wielkich Jutra Dostępność+. Program i rejestracja.
Piktogramy dostępności na GitHubie – wrzuciłem do repozytorium 22 piktogramy udogodnień: audiodeskrypcję, napisy, pętlę indukcyjną, tłumaczenie na PJM, strefę wyciszenia i inne. To proste, jednokolorowe pliki SVG. Autorem jest Tomasz Grabowski, prawa należą do Fundacji Kultury Bez Barier, a licencja to CC BY-SA 4.0. Ja dodałem tytuły, opisy i atrybuty dostępności w samych plikach. Kształtów nie ruszałem. Jeśli znajdziesz błąd, zgłoś go w Issues. Piktogramy dostępności.
Skip linki krok po kroku – Level Access opisał, jak dodać link „Przejdź do treści”, jak go ostylować i jak go przetestować. Najwięcej wartości mają typowe błędy: display: none zamiast przesunięcia poza ekran, baner cookies przed linkiem, sticky header, który go zasłania. Ważna uwaga w kontekście tego numeru: kryterium 2.4.1 wymaga mechanizmu pomijania bloków, a nie konkretnie skip linku. Skip link to tylko jedna z dopuszczalnych technik, choć najwygodniejsza dla osób korzystających z samej klawiatury. Artykuł Level Access (po angielsku).
I to by było na tyle. Jesień na całego i za progiem zima. Teraz dużo wydarzeń, dużo pracy i nie chce mi się pisać o polityce i ekologii. Świat zmierza w złym kierunku i módlmy się, żeby ludzie się opamiętali. Trzymaj się ciepło.


Bardzo ciekawe porównanie. Widać postęp w odniesieniu do konkretnego przykładu, ja postępy oceniam inaczej, bo też nad innymi rzeczami pracuję. Obecnie z łatwością robię dostępny dokument za pomocą dobrze zaprojektowanego promptu. Jednak nadal nie wchodzę na obszar zawodowych grafików, którzy boją się banalizacji swojej pracy. Pozdrawiam Cię serdecznie.