एआई मॉडल और प्लेटफ़ॉर्म
OVHcloud ने अपना पहला मुक्त-स्रोत बड़ा भाषा मॉडल Olala Mini 7A1B पेश किया

मुख्य बिंदुOVHcloud ने अपने कॉम्पैक्ट मॉडल को बाहरी प्रयोगशालाओं पर निर्भर रहने के बजाय पूरी तरह…
और देखें
- OVHcloud ने अपने कॉम्पैक्ट मॉडल को बाहरी प्रयोगशालाओं पर निर्भर रहने के बजाय पूरी तरह यूरोपीय सार्वजनिक सुपरकंप्यूटरों पर प्रशिक्षित किया।
- Qwant ने फ्लैश उत्तरों के लिए इस मॉडल को अपनाया और तेज़ प्रतिक्रियाओं के साथ तेज़ी से कम परिचालन लागत की सूचना दी।
- रोडमैप एजेंटिक व्यावसायिक AI क्लाउड संचालन और साइबर सुरक्षा के लिए बड़े विशेषीकृत मॉडलों की ओर बढ़ता है।
OVHcloud ने Olala की घोषणा की—यह बड़े भाषा मॉडलों का उसका पहला परिवार है। इसकी शुरुआत कॉम्पैक्ट Olala mini 7A1B से हुई। कंपनी का कहना है कि यह मॉडल केवल 8 GB मेमोरी वाले GPU पर भी चल सकता है और उसकी योजना इसे Apache 2.0 लाइसेंस के तहत Hugging Face पर मुक्त स्रोत के रूप में उपलब्ध कराने की है।
इसकी आधिकारिक लॉन्च प्रस्तुति 19 नवंबर, 2026 को OVHcloud AI Summit में होनी तय है। रिलीज़ पैकेज में मॉडल के वेट, पहले से प्रशिक्षित बेस मॉडल और एआई अधिनियम—यूरोपीय संघ के कृत्रिम बुद्धिमत्ता संबंधी कानून—के अनुपालन से जुड़े दस्तावेज़ शामिल हैं।
हाइब्रिड अटेंशन और कम हार्डवेयर की ज़रूरत
Olala mini का आर्किटेक्चर 7 अरब पैरामीटर का है, लेकिन हर अनुरोध के लिए सिर्फ़ 1 अरब पैरामीटर सक्रिय होते हैं। ये सक्रिय पैरामीटर हर लेयर में 256 विशेषज्ञों के बीच बाँटे गए हैं, इसलिए हर अनुरोध में पूरे नेटवर्क के बजाय मॉडल का केवल एक हिस्सा इस्तेमाल होता है। इसका हाइब्रिड अटेंशन डिज़ाइन Differential-TPA और Mamba-3 को मिलाता है और BF16 फ़ॉर्मैट का इस्तेमाल करता है।
इस संरचना का उद्देश्य गति बढ़ाना और मेमोरी की ज़रूरत घटाना है। OVHcloud के अनुसार, RTX A4500 पर इसकी गति 160 टोकन प्रति सेकंड है, जबकि GPU के बिना मानक प्रोसेसर पर यह 50 टोकन प्रति सेकंड है। इसकी मौजूदा संदर्भ विंडो—यानी एक क्रम में मॉडल जितना पाठ संसाधित कर सकता है, जिसे टोकन में मापा जाता है—32,000 टोकन की है।
यूरोपीय प्रशिक्षण ढाँचा और Qwant में तैनाती
Olala mini को शुरुआत से यूरोप के तीन सार्वजनिक सुपरकंप्यूटरों—Jupiter, MeluXina और Jean Zay—पर प्रशिक्षित किया गया। प्रशिक्षण ढाँचे में GH200, A100 और H100 GPU शामिल थे। OVHcloud के अनुसार, परियोजना को मिला सार्वजनिक सहयोग निर्णायक साबित हुआ; यह कंप्यूटिंग समय के 7 मिलियन यूरो के बराबर था।
इस पहल ने कंपनी की एआई टीम को भी एकजुट किया और इसकी वजह से Agentic Lab, OVHai LLM की स्थापना हुई। इससे पहली मॉडल से आगे भी परियोजना को एक संगठनात्मक भूमिका मिलती है: OVHcloud ने इस मॉडल परिवार का विकास जारी रखने के लिए एक समर्पित समूह बनाया है, न कि Olala mini को प्रशिक्षण की एक बार की कवायद मानकर छोड़ दिया है।
Qwant ने अपनी फ़्लैश-आंसर सुविधा के लिए Olala mini को पहले ही अपना लिया है। OVHcloud के अनुसार, Qwant द्वारा पहले इस्तेमाल किए जाने वाले मॉडल की तुलना में जवाब 20% तेज़ मिलते हैं और संचालन लागत एक-तिहाई रह गई है। इससे कंपनी जिस तैनाती की लागत-अर्थव्यवस्था को हासिल करना चाहती है, उसका शुरुआती व्यावहारिक उदाहरण मिलता है।
रोडमैप में वर्कस्पेस, डेवऑप्स और सुरक्षा भी शामिल
OVHcloud के रोडमैप के मुताबिक, संस्करण 1.1 को 2026 के अंत तक जारी किया जाएगा। इसमें संदर्भ विंडो बढ़ाकर 128,000 टोकन की जाएगी और गणितीय तर्क क्षमता बेहतर होगी। संस्करण 2.0 में 100 अरब से अधिक पैरामीटर होने की योजना है। OVHai LLM व्यावसायिक एजेंटिक एआई, क्लाउड डेवऑप्स और साइबर सुरक्षा के लिए विशिष्ट मॉडल विकसित करेगा, जिनमें रक्षात्मक और आक्रामक उपयोग भी शामिल हैं।
आगे के संस्करणों का उद्देश्य इस मॉडल परिवार को OVHcloud के उत्पादों और परिचालन उपकरणों तक पहुँचाना है। उम्मीद है कि अंततः Olala, OVHai Workspace को शक्ति देगा। इसके एन्क्रिप्टेड संस्करण के लिए ऐसे मॉडल चाहिए होंगे जो किसी वर्कस्टेशन पर स्थानीय रूप से चल सकें। डेवऑप्स से जुड़े काम में डेवलपरों, आर्किटेक्टों और चौबीसों घंटे सेवा की निरंतरता के लिए ज़िम्मेदार संचालन टीमों हेतु संस्करण शामिल हैं।
मुख्य कार्यकारी Octave Klaba ने कहा कि OVHcloud को अपनी आंतरिक ज़रूरतों के साथ-साथ ग्राहकों की ज़रूरतों के लिए भी मॉडल बनाने होंगे। उन्होंने कहा, “आने वाले वर्षों में अपने एलएलएम मुक्त स्रोत के रूप में साझा करने के लिए हम कुछ प्रयोगशालाओं की उदारता पर निर्भर नहीं रह सकते।” Klaba ने कहा कि मॉडल प्रशिक्षित करने की विशेषज्ञता अब व्यापक रूप से उपलब्ध है और तीन वर्षों में लागत 20 गुना घट गई है। उन्होंने इन बदलावों को लाभकारी मॉडल विकास का रास्ता बताया।
इस तरह Olala, OVHcloud को एक कॉम्पैक्ट मॉडल और अपने यहाँ मॉडल विकसित करने का रास्ता—दोनों देता है। मुख्य सवाल यह है कि क्या OVHai LLM इस पहले मॉडल में बताई गई दक्षता और तैनाती के लाभों को आगे बड़े संदर्भ वाले संस्करण और रोडमैप में बताए गए कहीं बड़े, विशिष्ट मॉडलों तक पहुँचा पाएगा।












