Модели и платформы ИИ
OVHcloud представляет Olala Mini 7A1B — свою первую большую языковую модель с открытым исходным кодом

Ключевые моментыOVHcloud обучила свою компактную модель полностью на европейских публичных…
Показать больше
- OVHcloud обучила свою компактную модель полностью на европейских публичных суперкомпьютерах, а не полагаясь на внешние лаборатории.
- Qwant внедрила модель для быстрых ответов и сообщила о более быстрых откликах при резко сниженных эксплуатационных расходах.
- Дорожная карта направлена на создание более крупных специализированных моделей для агентных бизнес-ИИ, облачных операций и кибербезопасности.
17 ноября 2026 года OVHcloud объявила о запуске Olala — своего первого семейства больших языковых моделей, начав с компактной Olala mini 7A1B. По словам компании, модель может работать на графическом процессоре с памятью от 8 ГБ. OVHcloud планирует открыть к ней доступ на Hugging Face по лицензии Apache 2.0.
Официальная презентация состоится на саммите OVHcloud AI Summit 19 ноября 2026 года. В комплект поставки входят веса модели, предварительно обученная базовая модель и документация о соответствии Закону ЕС об искусственном интеллекте — законодательному акту Европейского союза в области искусственного интеллекта.
Гибридный механизм внимания и сниженные требования к аппаратному обеспечению
Архитектура Olala mini насчитывает 7 миллиардов параметров, но для каждого запроса активен лишь 1 миллиард. Эти активные параметры распределены между 256 экспертами в каждом слое, поэтому при обработке запроса используется только часть модели, а не вся сеть. Гибридная архитектура внимания сочетает Differential-TPA и Mamba-3 и работает в формате BF16.
Такая структура призвана повысить скорость и снизить потребность в памяти. По данным OVHcloud, производительность составляет 160 токенов в секунду на RTX A4500 и 50 токенов в секунду на обычном процессоре без графического процессора. Текущая длина контекстного окна — объём текста в токенах, который модель может обработать за один раз, — составляет 32 000 токенов.
Европейская инфраструктура обучения и внедрение в Qwant
Olala mini обучили с нуля на трёх европейских публичных суперкомпьютерах: Jupiter, MeluXina и Jean Zay. В инфраструктуру для обучения входили графические процессоры GH200, A100 и H100. По оценке OVHcloud, решающую роль сыграла государственная поддержка проекта, эквивалентная 7 миллионам евро вычислительных часов.
Эта инициатива также объединила команду компании, занимающуюся искусственным интеллектом, и привела к созданию её Agentic Lab, OVHai LLM. Благодаря этому проект получил организационное значение, выходящее за рамки первой модели: OVHcloud сформировала отдельную группу, которая продолжит развивать семейство моделей, а не станет рассматривать Olala mini как разовый эксперимент по обучению.
Qwant уже использует Olala mini в функции кратких ответов. По данным OVHcloud, ответы стали на 20% быстрее, а эксплуатационные расходы сократились втрое по сравнению с моделью, которую Qwant использовала ранее. Это первый практический пример экономики внедрения, к которой стремится компания.
Планы развития охватывают Workspace, DevOps и безопасность
Согласно планам OVHcloud, версия 1.1 выйдет к концу 2026 года: контекстное окно увеличится до 128 000 токенов, а математические рассуждения станут точнее. Версия 2.0 должна насчитывать более 100 миллиардов параметров. Команда OVHai LLM разрабатывает модели для специализированных задач: агентного ИИ для бизнеса, облачного DevOps и кибербезопасности, в том числе для защиты и атакующих операций.
В дальнейшем семейство моделей планируют интегрировать в продукты и инструменты для операционной деятельности OVHcloud. В перспективе Olala должна стать основой OVHai Workspace; для его версии с шифрованием потребуются модели, способные локально работать на рабочей станции. Решения DevOps будут включать версии для разработчиков, архитекторов и операционных команд, отвечающих за круглосуточную непрерывность обслуживания.
Генеральный директор Octave Klaba заявил, что OVHcloud необходимо создавать модели как для собственных внутренних задач, так и для нужд клиентов. «В ближайшие годы мы не можем просто полагаться на щедрость отдельных лабораторий, которые открывают исходный код своих больших языковых моделей», — сказал он. По словам Klaba, навыки обучения моделей стали широко доступны, а затраты за три года снизились в 20 раз; он назвал эти перемены возможностью создавать модели с выгодой для бизнеса.
Таким образом, Olala даёт OVHcloud и компактную модель, и собственный путь её разработки. Главный вопрос — сможет ли OVHai LLM перенести заявленные преимущества первой модели в эффективности и при внедрении на выпуск модели с более длинным контекстом, а также на значительно более крупные специализированные системы, предусмотренные дорожной картой.












