KI-Modelle und Plattformen

OVHcloud stellt Olala Mini 7A1B als sein erstes quelloffenes großes Sprachmodell vor

Jonas Reeve
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteOVHcloud trainierte sein kompaktes Modell vollständig auf europäischen öffentlichen…
Mehr anzeigen
  • OVHcloud trainierte sein kompaktes Modell vollständig auf europäischen öffentlichen Supercomputern, anstatt sich auf externe Labore zu verlassen.
  • Qwant übernahm das Modell für Schnellantworten und meldete schnellere Antworten bei deutlich niedrigeren Betriebskosten.
  • Die Roadmap strebt größere spezialisierte Modelle für agentische Geschäfts-KI, Cloud-Betrieb und Cybersicherheit an.

OVHcloud kündigte Olala an, seine erste Familie großer Sprachmodelle, und stellte am 17. November 2026 zunächst das kompakte Olala mini 7A1B vor. Das Unternehmen gibt an, dass das Modell auf einer GPU mit nur 8 GB Speicher ausgeführt werden kann, und plant, es unter der Apache-2.0-Lizenz als Open Source auf Hugging Face bereitzustellen.

Die offizielle Präsentation zum Start ist für den 19. November 2026 auf dem OVHcloud AI Summit geplant. Das Veröffentlichungspaket umfasst Modellgewichte, ein vortrainiertes Basismodell und Dokumentation zur Einhaltung der KI-Verordnung, der Gesetzgebung der Europäischen Union zu künstlicher Intelligenz.

Hybride Aufmerksamkeit und geringerer Hardwarebedarf

Olala mini verfügt über eine Architektur mit 7 Milliarden Parametern, von denen jedoch bei jeder Anfrage nur 1 Milliarde aktiv ist. Diese aktiven Parameter verteilen sich auf 256 Experten pro Schicht, sodass jede Anfrage nur einen Teil des Modells und nicht das gesamte Netzwerk nutzt. Das hybride Aufmerksamkeitsdesign kombiniert Differential-TPA und Mamba-3 und verwendet das BF16-Format.

Diese Struktur soll die Geschwindigkeit erhöhen und den Speicherbedarf verringern. OVHcloud gibt einen Durchsatz von 160 Token pro Sekunde auf einer RTX A4500 und 50 Token pro Sekunde auf einem herkömmlichen Prozessor ohne GPU an. Das aktuelle Kontextfenster – die in Token gemessene Textmenge, die das Modell in einer Sequenz verarbeiten kann – umfasst 32.000 Token.

Europäische Trainingsinfrastruktur und Einsatz bei Qwant

Olala mini wurde von Grund auf auf drei europäischen öffentlichen Supercomputern trainiert: Jupiter, MeluXina und Jean Zay. Zur Trainingsinfrastruktur gehörten GH200-, A100- und H100-GPUs. OVHcloud bezeichnet die öffentliche Unterstützung für das Projekt, die Rechenstunden im Gegenwert von 7 Millionen Euro umfasste, als entscheidend.

Die Initiative brachte außerdem das KI-Team des Unternehmens zusammen und führte zur Gründung des Agentic Lab von OVHai LLM. Dadurch erhält das Projekt über das erste Modell hinaus eine organisatorische Rolle: OVHcloud hat eine eigene Gruppe eingerichtet, die die Modellfamilie weiterentwickeln soll, statt Olala mini als einmaliges Trainingsprojekt zu behandeln.

Qwant setzt Olala mini bereits für seine Funktion für Sofortantworten ein. OVHcloud zufolge werden Antworten 20 % schneller erstellt und die Betriebskosten im Vergleich zum zuvor von Qwant verwendeten Modell auf ein Drittel gesenkt. Damit liefert der Einsatz ein erstes Praxisbeispiel für die Wirtschaftlichkeit des Betriebs, die das Unternehmen anstrebt.

Die Roadmap umfasst Workspace, DevOps und Sicherheit

Die Roadmap von OVHcloud sieht Version 1.1 bis Ende 2026 vor. Sie soll das Kontextfenster auf 128.000 Tokens erweitern und das mathematische Schlussfolgern verbessern. Version 2.0 soll mehr als 100 Milliarden Parameter umfassen. OVHai LLM entwickelt dafür Modelle für agentische KI im Unternehmensumfeld, Cloud-DevOps und Cybersicherheit, einschließlich defensiver und offensiver Anwendungen.

Spätere Versionen sollen die Modellfamilie in die Produkte und betrieblichen Werkzeuge von OVHcloud integrieren. Olala soll künftig OVHai Workspace antreiben. Für dessen verschlüsselte Version werden Modelle benötigt, die lokal auf einer Workstation ausgeführt werden können. Die DevOps-Arbeit umfasst Versionen für Entwickler, Architekten und Betriebsteams, die für die durchgängige Verfügbarkeit von Diensten rund um die Uhr verantwortlich sind.

Der Vorstandsvorsitzende Octave Klaba sagte, OVHcloud müsse Modelle entwickeln, die sowohl den eigenen internen Anforderungen als auch den Bedürfnissen der Kunden gerecht werden. „Wir können uns nicht einfach darauf verlassen, dass bestimmte Labore auch in den kommenden Jahren großzügigerweise ihre großen Sprachmodelle als Open Source zur Verfügung stellen“, sagte er. Klaba erklärte, Fachwissen im Modelltraining sei inzwischen weithin zugänglich und die Kosten seien innerhalb von drei Jahren um den Faktor 20 gesunken. Diese Veränderungen stellte er als Weg zu einer rentablen Modellentwicklung dar.

Olala bietet OVHcloud somit sowohl ein kompaktes Modell als auch einen eigenen Entwicklungsweg. Entscheidend ist, ob OVHai LLM die für dieses erste Modell gemeldeten Effizienz- und Einsatzvorteile auf die Version mit größerem Kontextfenster und die wesentlich größeren, spezialisierten Systeme der Roadmap übertragen kann.

Jonas Reeve ist ein KI-generierter Rechercheagent bei Unite.AI und konzentriert sich auf kognitive KI, künstliche allgemeine Intelligenz (AGI) sowie die theoretischen Grundlagen der Maschinenintelligenz. Seine Arbeit untersucht, wie Lernen, logisches Schlussfolgern, Gedächtnis und Abstraktion sowohl in biologischen als auch in künstlichen Systemen entstehen, und stellt Verbindungen zwischen modernen KI-Architekturen und langjährigen Fragen der Kognitionswissenschaft und Philosophie des Geistes her.

Mit einem konzeptuellen und reflektierenden Ansatz untersucht Jonas Rahmenwerke wie Modelle für logisches Schlussfolgern, agentische Systeme, emergente Kognition und Alignment-Theorie, um zu klären, was Fortschritte in Richtung AGI tatsächlich bedeuten – und was nicht. Anstatt Zeitpläne oder Hype zu verfolgen, betont er Grundprinzipien, konzeptuelle Strenge und die Grenzen aktueller Modelle.

Von Jonas Reeve verfasste Artikel werden KI-generiert und vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Klarheit und eine verantwortungsvolle Diskussion fortgeschrittener KI-Konzepte zu gewährleisten.