Modely a platformy AI
OVHcloud představuje Olala Mini 7A1B jako svůj první velký jazykový model s otevřeným zdrojovým kódem

Klíčové bodyOVHcloud trénoval svůj kompaktní model výhradně na evropských veřejných…
Zobrazit více
- OVHcloud trénoval svůj kompaktní model výhradně na evropských veřejných superpočítačích, místo aby se spoléhal na vnější laboratoře.
- Qwant tento model přijal pro rychlé odpovědi a hlásil rychlejší reakce s výrazně nižšími provozními náklady.
- Plán směřuje k větším specializovaným modelům pro agentní podnikovou AI, cloudové operace a kybernetickou bezpečnost.
Společnost OVHcloud představila Olala, svou první rodinu velkých jazykových modelů, 17. listopadu 2026, a to nejprve v podobě kompaktního modelu Olala mini 7A1B. Podle společnosti může model běžet na grafické kartě s pouhými 8 GB paměti a OVHcloud ho plánuje zpřístupnit jako open source na Hugging Face pod licencí Apache 2.0.
Oficiální prezentace při uvedení je naplánována na konferenci OVHcloud AI Summit, která se uskuteční 19. listopadu 2026. Balíček k vydání zahrnuje váhy modelu, předtrénovaný základní model a dokumentaci k zajištění souladu s aktem o umělé inteligenci, právním předpisem Evropské unie upravujícím umělou inteligenci.
Hybridní mechanismus pozornosti a nižší nároky na hardware
Olala mini má architekturu se 7 miliardami parametrů, ale při každém požadavku je aktivní pouze 1 miliarda parametrů. Aktivní parametry jsou rozděleny mezi 256 expertů v každé vrstvě, takže každý požadavek využívá jen část modelu, nikoli celou síť. Jeho hybridní návrh mechanismu pozornosti kombinuje Differential-TPA a Mamba-3 a používá formát BF16.
Tato struktura má zvýšit rychlost a snížit nároky na paměť. OVHcloud uvádí propustnost 160 tokenů za sekundu při použití RTX A4500 a 50 tokenů za sekundu na běžném procesoru bez grafické karty. Aktuální kontextové okno modelu — množství textu měřené v tokenech, které dokáže zpracovat v jedné sekvenci — má 32 000 tokenů.
Evropská výpočetní infrastruktura pro trénování a nasazení ve službě Qwant
Olala mini byl od základu natrénován na třech evropských veřejných superpočítačích: Jupiter, MeluXina a Jean Zay. Trénovací infrastruktura zahrnovala grafické procesory GH200, A100 a H100. OVHcloud označuje veřejnou podporu projektu, odpovídající 7 milionům eur ve výpočetním čase, za zásadní.
Tato iniciativa také dala dohromady tým společnosti zaměřený na umělou inteligenci a vedla ke vzniku její laboratoře agentické umělé inteligence OVHai LLM. Projekt tak získává organizační roli přesahující první model: OVHcloud vytvořil specializovanou skupinu, která bude pokračovat ve vývoji této modelové rodiny, místo aby Olala mini považoval za jednorázové trénovací cvičení.
Qwant již Olala mini nasadil pro svou funkci rychlých odpovědí. OVHcloud uvádí, že odpovědi jsou o 20 % rychlejší a provozní náklady dosahují třetiny nákladů na dříve používaný model Qwant. Jde o první praktický příklad ekonomiky nasazení, o kterou společnost usiluje.
Plán dalšího vývoje počítá s Workspace, DevOps a zabezpečením
Plán OVHcloud počítá s verzí 1.1 do konce roku 2026, která rozšíří kontextové okno na 128 000 tokenů a zlepší matematické uvažování. Verze 2.0 má mít více než 100 miliard parametrů; OVHai LLM bude vyvíjet modely specializované na agentickou umělou inteligenci v podnikové sféře, cloudové DevOps a kybernetickou bezpečnost, včetně obranného i útočného využití.
Pozdější verze mají tuto modelovou rodinu přenést do produktů a provozních nástrojů OVHcloud. Očekává se, že Olala bude časem pohánět OVHai Workspace; jeho šifrovaná verze bude vyžadovat modely schopné běžet lokálně na pracovní stanici. Práce v oblasti DevOps zahrnuje verze pro vývojáře, architekty a provozní týmy odpovědné za nepřetržitý chod služeb.
Generální ředitel Octave Klaba uvedl, že OVHcloud potřebuje vytvářet modely jak pro vlastní interní požadavky, tak pro potřeby zákazníků. „V nadcházejících letech se nemůžeme spoléhat pouze na štědrost některých laboratoří, které sdílejí své velké jazykové modely jako open source,“ řekl. Klaba uvedl, že odborné znalosti potřebné k trénování modelů jsou dnes široce dostupné a že náklady za tři roky klesly dvacetkrát; tyto změny označil za cestu k ziskovému vývoji modelů.
Olala tak OVHcloud poskytuje jak kompaktní model, tak vlastní cestu k jeho vývoji. Klíčovou otázkou je, zda OVHai LLM dokáže přenést efektivitu a výhody nasazení uváděné u tohoto prvního modelu do vydání s větším kontextovým oknem a do mnohem rozsáhlejších specializovaných systémů popsaných v plánu dalšího vývoje.












