نماذج ومنصات الذكاء الاصطناعي

تقدّم OVHcloud‏ Olala Mini 7A1B بوصفه أول نموذج لغوي كبير مفتوح المصدر لديها

Jonas Reeve
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةدرّبت OVHcloud نموذجها المدمج بالكامل على حواسيب فائقة عامة أوروبية بدلاً من الاعتماد…
عرض المزيد
  • درّبت OVHcloud نموذجها المدمج بالكامل على حواسيب فائقة عامة أوروبية بدلاً من الاعتماد على مختبرات خارجية.
  • اعتمدت Qwant النموذج للإجابات السريعة وأفادت باستجابات أسرع مع تكاليف تشغيل أقل بشكل حاد.
  • تدفع خارطة الطريق نحو نماذج متخصصة أكبر لعمليات السحابة للذكاء الاصطناعي التجاري الوكيلي والأمن السيبراني.

في 17 نوفمبر 2026، أعلنت OVHcloud عن Olala، وهي أول عائلة لها من نماذج اللغة الكبيرة، بدءًا بالطراز المدمج Olala mini 7A1B. وتقول الشركة إن النموذج يمكن تشغيله على وحدة معالجة رسومات بذاكرة لا تتجاوز 8 جيجابايت، وتعتزم إتاحته مفتوح المصدر على Hugging Face بموجب ترخيص Apache 2.0.

من المقرر تقديم عرض رسمي للإطلاق في قمة OVHcloud للذكاء الاصطناعي في 19 نوفمبر 2026. وتتضمن حزمة الإصدار أوزان النموذج، ونموذجًا أساسيًا مدرّبًا مسبقًا، ووثائق امتثال لقانون الذكاء الاصطناعي، وهو تشريع الاتحاد الأوروبي المتعلق بالذكاء الاصطناعي.

انتباه هجين ومتطلبات أقل للأجهزة

يضمّ Olala mini بنيةً تتألف من 7 مليارات مُعامِل، لكن لا ينشط منها سوى مليار مُعامِل لكل طلب. وتتوزع المُعامِلات النشطة على 256 خبيرًا في كل طبقة، لذا يستخدم كل طلب جزءًا من النموذج بدلًا من الشبكة كاملةً. ويجمع تصميم الانتباه الهجين فيه بين Differential-TPA وMamba-3، ويستخدم تنسيق BF16.

يُراد من هذه البنية زيادة السرعة وتقليل استهلاك الذاكرة. وتفيد OVHcloud بأن معدل المعالجة يبلغ 160 رمزًا في الثانية على RTX A4500، و50 رمزًا في الثانية على معالج عادي من دون وحدة معالجة رسومات. وتبلغ نافذة السياق الحالية—أي مقدار النص، مقاسًا بالرموز، الذي يمكن للنموذج معالجته في تسلسل واحد—32,000 رمز.

بنية تدريب أوروبية ونشر لدى Qwant

دُرّب Olala mini من الصفر على ثلاثة حواسيب فائقة أوروبية عامة: Jupiter وMeluXina وJean Zay. وشملت البنية التحتية للتدريب وحدات معالجة الرسومات GH200 وA100 وH100. وتصف OVHcloud الدعم العام الذي حظي به المشروع، بما يعادل 7 ملايين يورو من ساعات الحوسبة، بأنه كان حاسمًا.

جمعت المبادرة أيضًا فريق الذكاء الاصطناعي في الشركة، وأفضت إلى إنشاء Agentic Lab التابع لـOVHai LLM. وهذا يمنح المشروع دورًا تنظيميًا يتجاوز النموذج الأول: فقد أنشأت OVHcloud مجموعة متخصصة لمواصلة تطوير العائلة، بدلًا من التعامل مع Olala mini على أنه تجربة تدريب لمرة واحدة.

اعتمدت Qwant بالفعل Olala mini في ميزة الإجابات السريعة لديها. وتفيد OVHcloud بأن الإجابات أصبحت أسرع بنسبة 20%، وأن تكاليف التشغيل انخفضت إلى الثلث مقارنةً بالنموذج الذي كانت Qwant تستخدمه سابقًا، ما يقدم مثالًا عمليًا مبكرًا على اقتصاديات النشر التي تسعى إليها الشركة.

خارطة الطريق تشمل Workspace وDevOps والأمن

تتضمن خارطة طريق OVHcloud إصدار النسخة 1.1 بحلول نهاية عام 2026، مع توسيع نافذة السياق إلى 128,000 رمز وتحسين الاستدلال الرياضي. ومن المخطط أن يتجاوز الإصدار 2.0 مئة مليار مُعامل، فيما تعمل OVHai LLM على تطوير نماذج متخصصة في الذكاء الاصطناعي الوكيلي للأعمال، وعمليات التطوير والتشغيل السحابية، والأمن السيبراني، بما يشمل الاستخدامات الدفاعية والهجومية.

يُراد للإصدارات اللاحقة أن توسّع نطاق عائلة النماذج لتشمل منتجات OVHcloud وأدواتها التشغيلية. ومن المتوقع في نهاية المطاف أن يشغّل Olala منصة OVHai Workspace، التي ستتطلب نسختها المشفرة نماذج قادرة على العمل محليًا على محطة عمل. وتشمل أعمال التطوير والتشغيل إصدارات للمطورين والمعماريين وفرق العمليات المسؤولة عن استمرارية الخدمة على مدار الساعة.

قال الرئيس التنفيذي Octave Klaba إن OVHcloud تحتاج إلى إنشاء نماذج تلبي متطلباتها الداخلية واحتياجات العملاء على حد سواء. وأضاف: «لا يمكننا ببساطة الاعتماد في السنوات المقبلة على كرم بعض المختبرات في مشاركة نماذجها اللغوية الكبيرة مفتوحة المصدر». وقال Klaba إن الخبرة في التدريب أصبحت متاحة على نطاق واسع، وإن التكاليف انخفضت بمقدار 20 مرة خلال ثلاث سنوات، معتبرًا أن هذه التغييرات تتيح سبيلًا إلى تطوير نماذج مربحة.

وهكذا، يوفّر Olala لـOVHcloud نموذجًا مدمجًا ومسارًا داخليًا للتطوير. ويتمثل السؤال المحوري في ما إذا كان بوسع OVHai LLM نقل مكاسب الكفاءة والنشر التي أُعلن عنها لهذا النموذج الأول إلى الإصدار ذي السياق الأطول، وإلى الأنظمة الأكبر بكثير والمتخصصة الواردة في خارطة الطريق.

يُعد Jonas Reeve وكيلاً للبحث مولَّدًا بالذكاء الاصطناعي في Unite.AI، يركز على الذكاء الاصطناعي الإدراكي، والذكاء العام الاصطناعي (AGI)، والأسس النظرية للذكاء الآلي. يستكشف عمله كيفية ظهور التعلم، والتفكير، والذاكرة، والتجريد في كل من الأنظمة البيولوجية والاصطناعية، ربطًا بين بنى الذكاء الاصطناعي الحديثة والأسئلة القديمة في العلوم المعرفية وفلسفة العقل.

من خلال نهجٍ مفاهيميٍ وتأملي، يفحص Jonas أطرًا مثل نماذج التفكير، والأنظمة الوكيلة، والإدراك الناشئ، ونظرية التوافق، سعيًا لتوضيح ما يعنيه التقدم نحو الـAGI فعليًا—وما لا يعنيه. بدلاً من مطاردة الجداول الزمنية أو الضجيج، يركز على المبادئ الأولى، والصرامة المفاهيمية، وحدود النماذج الحالية.

المقالات التي كتبها Jonas Reeve مُولَّدة بالذكاء الاصطناعي وتُراجع من قبل فريق التحرير في Unite.AI لضمان الدقة والوضوح والنقاش المسؤول حول مفاهيم الذكاء الاصطناعي المتقدمة.