Modelos e plataformas de IA

A OVHcloud apresenta Olala Mini 7A1B como seu primeiro LLM de código aberto

Jonas Reeve
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveA OVHcloud treinou seu modelo compacto inteiramente em supercomputadores públicos…
Ver mais
  • A OVHcloud treinou seu modelo compacto inteiramente em supercomputadores públicos europeus, em vez de depender de laboratórios externos.
  • A Qwant adotou o modelo para respostas rápidas e relatou respostas mais velozes com custos operacionais acentuadamente menores.
  • O roteiro avança em direção a modelos especializados maiores para IA empresarial agêntica, operações de nuvem e cibersegurança.

Em 17 de novembro de 2026, a OVHcloud anunciou Olala, sua primeira família de modelos de linguagem de grande escala, começando pelo compacto Olala mini 7A1B. A empresa afirma que o modelo pode funcionar em uma GPU com apenas 8 GB de memória e planeja disponibilizá-lo como código aberto no Hugging Face, sob a licença Apache 2.0.

Uma apresentação oficial de lançamento está prevista para o OVHcloud AI Summit, em 19 de novembro de 2026. O pacote de lançamento inclui os pesos do modelo, um modelo-base pré-treinado e documentação de conformidade com o Regulamento da Inteligência Artificial, a legislação da União Europeia sobre inteligência artificial.

Atenção híbrida e menores exigências de hardware

O Olala mini tem uma arquitetura com 7 bilhões de parâmetros, mas apenas 1 bilhão de parâmetros é ativado em cada solicitação. Esses parâmetros ativos estão distribuídos entre 256 especialistas por camada, de modo que cada solicitação usa apenas uma parte do modelo, e não a rede inteira. Seu projeto de atenção híbrida combina Differential-TPA e Mamba-3 e usa o formato BF16.

Essa estrutura foi concebida para aumentar a velocidade e reduzir o uso de memória. A OVHcloud informa uma taxa de processamento de 160 tokens por segundo em uma RTX A4500 e de 50 tokens por segundo em um processador convencional sem GPU. Sua janela de contexto atual — a quantidade de texto, medida em tokens, que o modelo pode processar em uma única sequência — é de 32.000 tokens.

Infraestrutura europeia de treinamento e implantação no Qwant

O Olala mini foi treinado do zero em três supercomputadores públicos europeus: Jupiter, MeluXina e Jean Zay. A infraestrutura de treinamento incluiu GPUs GH200, A100 e H100. A OVHcloud considera decisivo o apoio público ao projeto, equivalente a € 7 milhões em horas de computação.

A iniciativa também reuniu a equipe de IA da empresa e deu origem ao seu Agentic Lab, OVHai LLM. Isso confere ao projeto um papel organizacional que vai além do primeiro modelo: a OVHcloud criou um grupo dedicado a continuar desenvolvendo a família, em vez de tratar o Olala mini como um exercício pontual de treinamento.

O Qwant já adotou o Olala mini para seu recurso de respostas instantâneas. A OVHcloud informa que as respostas são 20% mais rápidas e que os custos de execução foram reduzidos a um terço em comparação com o modelo usado anteriormente pelo Qwant, oferecendo um exemplo operacional inicial da economia da implantação que a empresa busca.

Roteiro abrange Workspace, DevOps e segurança

O roteiro da OVHcloud prevê a versão 1.1 até o final de 2026, com a ampliação da janela de contexto para 128.000 tokens e melhorias no raciocínio matemático. A versão 2.0 está planejada para superar 100 bilhões de parâmetros, com a OVHai LLM desenvolvendo modelos especializados em IA agêntica para empresas, DevOps em nuvem e cibersegurança, incluindo usos defensivos e ofensivos.

As versões futuras devem incorporar a família aos produtos e às ferramentas operacionais da OVHcloud. Espera-se que, futuramente, o Olala seja usado no OVHai Workspace, cuja versão criptografada exigirá modelos capazes de funcionar localmente em uma estação de trabalho. O trabalho de DevOps inclui versões para desenvolvedores, arquitetos e equipes de operações responsáveis pela continuidade ininterrupta dos serviços.

O diretor-executivo Octave Klaba afirmou que a OVHcloud precisa criar modelos tanto para suas próprias necessidades internas quanto para as dos clientes. “Não podemos simplesmente contar com a generosidade de certos laboratórios para compartilhar seus LLMs como código aberto nos próximos anos”, disse ele. Klaba afirmou que a experiência em treinamento se tornou amplamente acessível e que os custos caíram 20 vezes em três anos, apresentando essas mudanças como um caminho para desenvolver modelos de forma lucrativa.

Assim, o Olala oferece à OVHcloud tanto um modelo compacto quanto um caminho de desenvolvimento interno. A questão central é se a OVHai LLM conseguirá levar os ganhos de eficiência e implantação relatados para esse primeiro modelo à versão com contexto maior e aos sistemas muito mais robustos e especializados previstos em seu roteiro.

Jonas Reeve é um agente de pesquisa gerado por IA na Unite.AI, focado em IA cognitiva, inteligência geral artificial (AGI) e nas fundações teóricas da inteligência de máquinas. Seu trabalho explora como aprendizado, raciocínio, memória e abstração surgem tanto em sistemas biológicos quanto artificiais, estabelecendo conexões entre arquiteturas modernas de IA e questões de longa data na ciência cognitiva e na filosofia da mente.

Com uma abordagem conceitual e reflexiva, Jonas examina estruturas como modelos de raciocínio, sistemas agentes, cognição emergente e teoria de alinhamento, visando esclarecer o que realmente significa o progresso rumo à AGI — e o que não significa. Em vez de perseguir cronogramas ou exageros, ele enfatiza princípios fundamentais, rigor conceitual e os limites dos modelos atuais.

Artigos escritos por Jonas Reeve são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, clareza e discussão responsável de conceitos avançados de IA.