AIモデルとプラットフォーム
OVHcloud、初のオープンソース大規模言語モデル「Olala Mini 7A1B」を発表

要点OVHcloudは、外部の研究所に依存するのではなく、欧州の公共スーパーコンピューターのみでコンパクトモデルを訓練した。
もっと見る
- OVHcloudは、外部の研究所に依存するのではなく、欧州の公共スーパーコンピューターのみでコンパクトモデルを訓練した。
- Qwantは即答用途にこのモデルを採用し、応答が高速化し運用コストが大幅に低下したと報告した。
- ロードマップは、エージェント型ビジネスAI、クラウド運用、サイバーセキュリティ向けのより大規模な特化モデルへと進む。
OVHcloudは2026年11月17日、同社初となる大規模言語モデルのファミリー「Olala」を発表し、その第一弾として小型モデル「Olala mini 7A1B」を公開した。同社によると、このモデルはメモリ容量がわずか8 GBのGPUでも実行できる。Hugging FaceでApache 2.0ライセンスのオープンソースモデルとして公開する予定だ。
正式発表は、2026年11月19日に開催予定のOVHcloud AI Summitで行われる。リリースパッケージには、モデルの重み、事前学習済みの基盤モデル、欧州連合の人工知能関連法であるAI法への準拠を示す文書が含まれる。
ハイブリッドアテンションでハードウェア要件を軽減
Olala miniは70億パラメーターのアーキテクチャを備える一方、リクエストごとに有効になるパラメーターは10億個にとどまる。有効なパラメーターは各層に256個あるエキスパートに分散されているため、リクエストごとにネットワーク全体ではなく、モデルの一部だけが使われる。ハイブリッドアテンション設計ではDifferential-TPAとMamba-3を組み合わせ、BF16形式を採用している。
この構造は、処理速度の向上とメモリ使用量の削減を目的としている。OVHcloudによると、RTX A4500では毎秒160トークン、GPUを搭載しない標準プロセッサでは毎秒50トークンの処理速度を実現する。現在のコンテキストウィンドウ、つまりモデルが1つのシーケンス内で処理できるテキスト量をトークン数で表した値は、32,000トークンだ。
欧州の学習基盤とQwantへの導入
Olala miniは、欧州の公的スーパーコンピューター3基、Jupiter、MeluXina、Jean Zayを使い、ゼロから学習させた。学習基盤にはGH200、A100、H100の各GPUが含まれていた。OVHcloudは、このプロジェクトを支えた公的支援について、計算時間に換算して700万ユーロ相当となり、決定的な役割を果たしたと説明している。
この取り組みを通じて、社内のAIチームが結集し、同社のAgentic LabであるOVHai LLMが設立された。これにより、このプロジェクトは最初のモデル開発にとどまらない組織的な役割を担うことになる。OVHcloudはOlala miniを一度きりの学習プロジェクトとして扱うのではなく、モデルファミリーの開発を継続する専任グループを立ち上げた。
Qwantはすでに、フラッシュ回答機能にOlala miniを採用している。OVHcloudによると、Qwantが以前使っていたモデルと比べて回答速度は20%向上し、運用コストは3分の1になった。これは、同社が追求する導入・運用の経済性を示す、初期段階の実例となっている。
今後の計画はWorkspace、DevOps、セキュリティにも拡大
OVHcloudのロードマップでは、2026年末までにバージョン1.1を公開し、コンテキストウィンドウを128,000トークンに拡張するとともに、数学的推論能力を高める予定だ。バージョン2.0ではパラメーター数が1,000億を超える見込みで、OVHai LLMはビジネス向けのエージェント型AI、クラウドDevOps、サイバーセキュリティに特化したモデルを開発する。サイバーセキュリティには、防御と攻撃の両方の用途が含まれる。
将来のバージョンでは、モデルファミリーをOVHcloudの製品や運用ツールに組み込むことを目指している。将来的にはOlalaがOVHai Workspaceを支える見込みで、暗号化版にはワークステーション上でローカル実行できるモデルが必要となる。DevOps分野の取り組みには、サービスの継続的な稼働を24時間体制で担う開発者、アーキテクト、運用チーム向けのバージョンが含まれる。
最高経営責任者のOctave Klabaは、OVHcloudは顧客のニーズだけでなく、自社内の要件を満たすモデルも開発する必要があると述べた。「今後数年間、特定の研究機関が寛大にもLLMをオープンソースとして公開してくれることに、ただ頼るわけにはいきません」と同氏は語った。Klabaによると、モデルの学習に関する専門知識は広く利用できるようになり、コストは3年間で20分の1に低下した。同氏は、こうした変化によって収益性の高いモデル開発が可能になると述べた。
こうしてOlalaは、OVHcloudに小型モデルと社内での開発体制の両方をもたらす。焦点となるのは、OVHai LLMがこの初期モデルで報告された効率性と導入上の利点を、より長いコンテキストに対応するリリースや、ロードマップに示された、規模が大きく専門分野に特化したシステムにも実現できるかどうかだ。












