Modelos y plataformas de IA
OVHcloud presenta Olala Mini 7A1B, su primer LLM de código abierto

Puntos claveOVHcloud entrenó su modelo compacto íntegramente en supercomputadoras públicas europeas…
Ver más
- OVHcloud entrenó su modelo compacto íntegramente en supercomputadoras públicas europeas en lugar de depender de laboratorios externos.
- Qwant adoptó el modelo para respuestas rápidas y reportó respuestas más veloces con costos operativos marcadamente menores.
- La hoja de ruta avanza hacia modelos especializados más grandes para operaciones en la nube de IA empresarial agéntica y ciberseguridad.
El 17 de noviembre de 2026, OVHcloud anunció Olala, su primera familia de modelos de lenguaje grandes, que comienza con el compacto Olala mini 7A1B. La empresa afirma que el modelo puede ejecutarse en una GPU con tan solo 8 GB de memoria y prevé ofrecerlo como código abierto en Hugging Face con licencia Apache 2.0.
La presentación oficial del lanzamiento está prevista para la cumbre OVHcloud AI Summit del 19 de noviembre de 2026. El paquete de lanzamiento incluye los pesos del modelo, un modelo base preentrenado y documentación de cumplimiento de la Ley de IA de la Unión Europea, que regula la inteligencia artificial.
Atención híbrida y menores requisitos de hardware
Olala mini tiene una arquitectura de 7.000 millones de parámetros, pero solo activa 1.000 millones de parámetros para cada solicitud. Estos parámetros activos se distribuyen entre 256 expertos por capa, por lo que cada solicitud utiliza una fracción del modelo y no toda la red. Su diseño de atención híbrida combina Differential-TPA y Mamba-3 y utiliza el formato BF16.
Esta estructura está diseñada para aumentar la velocidad y reducir el uso de memoria. OVHcloud informa de un rendimiento de 160 tokens por segundo en una RTX A4500 y de 50 tokens por segundo en un procesador estándar sin GPU. Su ventana de contexto actual —la cantidad de texto, medida en tokens, que el modelo puede procesar en una sola secuencia— es de 32.000 tokens.
Infraestructura europea de entrenamiento y despliegue en Qwant
Olala mini se entrenó desde cero en tres superordenadores públicos europeos: Jupiter, MeluXina y Jean Zay. La infraestructura de entrenamiento incluía GPU GH200, A100 y H100. OVHcloud considera decisivo el apoyo público al proyecto, equivalente a 7 millones de euros en horas de computación.
La iniciativa también reunió al equipo de IA de la empresa y dio lugar a su Agentic Lab, OVHai LLM. Esto confiere al proyecto una función organizativa que va más allá del primer modelo: OVHcloud ha creado un grupo dedicado a seguir desarrollando la familia, en lugar de tratar Olala mini como un ejercicio de entrenamiento aislado.
Qwant ya ha adoptado Olala mini para su función de respuestas rápidas. OVHcloud informa de que las respuestas son un 20 % más rápidas y que los costes de ejecución se reducen a un tercio respecto al modelo que Qwant utilizaba anteriormente. Esto ofrece un ejemplo operativo temprano de la economía del despliegue que la empresa busca conseguir.
La hoja de ruta se amplía a Workspace, DevOps y seguridad
La hoja de ruta de OVHcloud prevé la versión 1.1 para finales de 2026, con una ampliación de la ventana de contexto a 128.000 tokens y mejoras en el razonamiento matemático. Está previsto que la versión 2.0 supere los 100.000 millones de parámetros, y que OVHai LLM desarrolle modelos especializados en IA agéntica para empresas, DevOps en la nube y ciberseguridad, incluidos usos defensivos y ofensivos.
Las versiones posteriores están destinadas a integrar la familia en los productos y las herramientas operativas de OVHcloud. Se espera que, con el tiempo, Olala impulse OVHai Workspace; su versión cifrada requerirá modelos capaces de ejecutarse localmente en una estación de trabajo. El trabajo de DevOps incluye versiones para desarrolladores, arquitectos y equipos de operaciones responsables de mantener la continuidad del servicio las 24 horas del día.
El director ejecutivo Octave Klaba afirmó que OVHcloud debe crear modelos que respondan tanto a sus propias necesidades internas como a las de sus clientes. «No podemos limitarnos a confiar en la generosidad de ciertos laboratorios para que compartan sus LLM como código abierto en los próximos años», dijo. Klaba señaló que los conocimientos especializados en entrenamiento se han vuelto ampliamente accesibles y que los costes han disminuido por un factor de 20 en tres años, y presentó esos cambios como una vía para desarrollar modelos rentables.
Por tanto, Olala proporciona a OVHcloud tanto un modelo compacto como una vía de desarrollo interno. La cuestión central es si OVHai LLM podrá trasladar las mejoras de eficiencia y despliegue que, según la empresa, ofrece este primer modelo a la versión con un contexto más amplio y a los sistemas mucho más grandes y especializados que contempla su hoja de ruta.












