Modele și platforme AI
OVHcloud lansează Olala Mini 7A1B, primul său model lingvistic de mari dimensiuni cu sursă deschisă

Puncte cheieOVHcloud și-a antrenat modelul compact în întregime pe supercalculatoare publice…
Vezi mai mult
- OVHcloud și-a antrenat modelul compact în întregime pe supercalculatoare publice europene, în loc să se bazeze pe laboratoare externe.
- Qwant a adoptat modelul pentru răspunsuri rapide și a raportat răspunsuri mai rapide cu costuri de operare mult mai mici.
- Foaia de parcurs avansează spre modele specializate mai mari pentru operațiuni cloud de AI de afaceri agentic și securitate cibernetică.
Pe 17 noiembrie 2026, OVHcloud a anunțat Olala, prima sa familie de modele lingvistice mari, începând cu modelul compact Olala mini 7A1B. Compania afirmă că modelul poate rula pe o placă grafică cu doar 8 GB de memorie și intenționează să îl pună la dispoziție ca software cu sursă deschisă pe Hugging Face, sub licența Apache 2.0.
O prezentare oficială a lansării este programată pentru 19 noiembrie 2026, în cadrul OVHcloud AI Summit. Pachetul de lansare include ponderile modelului, un model de bază preantrenat și documentația de conformitate cu Regulamentul privind inteligența artificială, legislația Uniunii Europene în domeniul inteligenței artificiale.
Mecanism hibrid de atenție și cerințe hardware mai reduse
Olala mini are o arhitectură cu 7 miliarde de parametri, însă pentru fiecare solicitare sunt activați doar 1 miliard de parametri. Acești parametri activi sunt repartizați între 256 de experți per strat, astfel încât fiecare solicitare folosește doar o parte a modelului, nu întreaga rețea. Arhitectura sa hibridă de atenție combină Differential-TPA și Mamba-3 și folosește formatul BF16.
Această structură este concepută pentru a crește viteza și a reduce necesarul de memorie. OVHcloud raportează o viteză de procesare de 160 de tokenuri pe secundă pe o placă RTX A4500 și de 50 de tokenuri pe secundă pe un procesor standard, fără GPU. Fereastra de context actuală — cantitatea de text, măsurată în tokenuri, pe care modelul o poate procesa într-o singură secvență — este de 32.000 de tokenuri.
Infrastructură europeană de antrenare și implementarea la Qwant
Olala mini a fost antrenat de la zero pe trei supercalculatoare publice europene: Jupiter, MeluXina și Jean Zay. Infrastructura de antrenare a inclus GPU-uri GH200, A100 și H100. OVHcloud descrie sprijinul public acordat proiectului, echivalentul a 7 milioane de euro în ore de calcul, drept decisiv.
Inițiativa a reunit, de asemenea, echipa de inteligență artificială a companiei și a dus la crearea Agentic Lab, OVHai LLM. Astfel, proiectul capătă un rol organizațional care depășește primul model: OVHcloud a înființat un grup dedicat continuării dezvoltării familiei, în loc să trateze Olala mini ca pe un exercițiu de antrenare singular.
Qwant a adoptat deja Olala mini pentru funcția sa de răspunsuri rapide. OVHcloud raportează răspunsuri cu 20% mai rapide și costuri de operare de trei ori mai mici față de modelul folosit anterior de Qwant, oferind un exemplu practic timpuriu al economiei implementării pe care o urmărește compania.
Planul de dezvoltare vizează Workspace, DevOps și securitatea
Planul de dezvoltare al OVHcloud prevede versiunea 1.1 până la sfârșitul anului 2026, cu extinderea ferestrei de context la 128.000 de tokenuri și îmbunătățirea raționamentului matematic. Versiunea 2.0 este planificată să depășească 100 de miliarde de parametri, iar OVHai LLM va dezvolta modele specializate în inteligență artificială agentică pentru companii, DevOps în cloud și securitate cibernetică, inclusiv pentru utilizări defensive și ofensive.
Versiunile ulterioare sunt menite să integreze familia în produsele și instrumentele operaționale ale OVHcloud. În cele din urmă, se preconizează că Olala va sta la baza OVHai Workspace, iar versiunea sa criptată va necesita modele capabile să ruleze local pe o stație de lucru. Activitatea DevOps include versiuni pentru dezvoltatori, arhitecți și echipe operaționale responsabile de continuitatea neîntreruptă a serviciilor.
Directorul general Octave Klaba a declarat că OVHcloud trebuie să creeze modele atât pentru propriile cerințe interne, cât și pentru nevoile clienților. „Nu ne putem baza pur și simplu pe generozitatea anumitor laboratoare, care ar putea să-și pună modelele lingvistice mari la dispoziție cu sursă deschisă în anii următori”, a spus el. Klaba a afirmat că expertiza în antrenarea modelelor a devenit larg accesibilă, iar costurile au scăzut de 20 de ori în trei ani, prezentând aceste schimbări drept o cale către dezvoltarea profitabilă a modelelor.
Prin urmare, Olala îi oferă OVHcloud atât un model compact, cât și o cale internă de dezvoltare. Întrebarea esențială este dacă OVHai LLM va putea transfera câștigurile de eficiență și de implementare raportate pentru acest prim model către versiunea cu o fereastră de context mai mare și către sistemele mult mai ample și specializate prevăzute în planul său de dezvoltare.












