โมเดลและแพลตฟอร์ม AI
OVHcloud เปิดตัว Olala Mini 7A1B โมเดลภาษาขนาดใหญ่แบบโอเพนซอร์สรุ่นแรกของบริษัท

ประเด็นสำคัญOVHcloud ฝึกโมเดลขนาดกะทัดรัดของตนทั้งหมดบนซูเปอร์คอมพิวเตอร์สาธารณะของยุโรป…
ดูเพิ่มเติม
- OVHcloud ฝึกโมเดลขนาดกะทัดรัดของตนทั้งหมดบนซูเปอร์คอมพิวเตอร์สาธารณะของยุโรป แทนที่จะพึ่งพาห้องปฏิบัติการภายนอก
- Qwant นำโมเดลนี้มาใช้สำหรับคำตอบแบบเร็วและรายงานว่าการตอบสนองเร็วขึ้นพร้อมต้นทุนการดำเนินงานที่ลดลงอย่างมาก
- แผนงานมุ่งสู่โมเดลเฉพาะทางขนาดใหญ่ขึ้นสำหรับการดำเนินงานคลาวด์ AI เชิงธุรกิจแบบเอเจนต์และความปลอดภัยไซเบอร์
เมื่อวันที่ 17 พฤศจิกายน 2026 OVHcloud ประกาศเปิดตัว Olala ตระกูลโมเดลภาษาขนาดใหญ่ตระกูลแรกของบริษัท โดยเริ่มจาก Olala mini 7A1B รุ่นกะทัดรัด บริษัทระบุว่าโมเดลนี้ทำงานบน GPU ที่มีหน่วยความจำเพียง 8 GB ได้ และมีแผนเผยแพร่เป็นโอเพนซอร์สบน Hugging Face ภายใต้สัญญาอนุญาต Apache 2.0
มีกำหนดนำเสนอการเปิดตัวอย่างเป็นทางการในงาน OVHcloud AI Summit วันที่ 19 พฤศจิกายน 2026 ชุดเอกสารที่เผยแพร่ประกอบด้วยน้ำหนักโมเดล โมเดลพื้นฐานที่ฝึกไว้ล่วงหน้า และเอกสารประกอบการปฏิบัติตาม กฎหมาย AI Act ซึ่งเป็นกฎหมายของสหภาพยุโรปว่าด้วยปัญญาประดิษฐ์
กลไกความสนใจแบบไฮบริดและความต้องการฮาร์ดแวร์ที่ลดลง
Olala mini มีสถาปัตยกรรมที่ประกอบด้วยพารามิเตอร์ 7 พันล้านตัว แต่ในแต่ละคำขอจะมีพารามิเตอร์ที่ทำงานอยู่เพียง 1 พันล้านตัว พารามิเตอร์ที่ทำงานเหล่านี้กระจายอยู่ในผู้เชี่ยวชาญ 256 หน่วยต่อเลเยอร์ ดังนั้นแต่ละคำขอจึงใช้โมเดลเพียงบางส่วน ไม่ใช่เครือข่ายทั้งหมด กลไกความสนใจแบบไฮบริดผสาน Differential-TPA เข้ากับ Mamba-3 และใช้รูปแบบ BF16
โครงสร้างดังกล่าวออกแบบมาเพื่อเพิ่มความเร็วและลดความต้องการหน่วยความจำ OVHcloud รายงานว่าทำงานได้ที่ความเร็ว 160 โทเค็นต่อวินาทีบน RTX A4500 และ 50 โทเค็นต่อวินาทีบนโปรเซสเซอร์ทั่วไปที่ไม่มี GPU หน้าต่างบริบทในปัจจุบัน ซึ่งหมายถึงปริมาณข้อความที่วัดเป็นโทเค็นและโมเดลสามารถประมวลผลได้ในลำดับเดียว อยู่ที่ 32,000 โทเค็น
โครงสร้างพื้นฐานการฝึกในยุโรปและการนำไปใช้กับ Qwant
Olala mini ผ่านการฝึกตั้งแต่ต้นบนซูเปอร์คอมพิวเตอร์สาธารณะสามแห่งในยุโรป ได้แก่ Jupiter, MeluXina และ Jean Zay โครงสร้างพื้นฐานสำหรับการฝึกประกอบด้วย GPU รุ่น GH200, A100 และ H100 OVHcloud ระบุว่าแรงสนับสนุนจากภาครัฐที่อยู่เบื้องหลังโครงการ ซึ่งเทียบเท่ากับชั่วโมงประมวลผลมูลค่า 7 ล้านยูโร เป็นปัจจัยชี้ขาด
โครงการริเริ่มนี้ยังรวบรวมทีม AI ของบริษัทเข้าด้วยกัน และนำไปสู่การก่อตั้ง Agentic Lab, OVHai LLM จึงทำให้โครงการมีบทบาทในเชิงองค์กรนอกเหนือจากการสร้างโมเดลแรก กล่าวคือ OVHcloud จัดตั้งทีมเฉพาะขึ้นมาเพื่อพัฒนาตระกูลโมเดลนี้ต่อไป แทนที่จะมอง Olala mini เป็นเพียงโครงการฝึกโมเดลครั้งเดียว
Qwant นำ Olala mini มาใช้กับฟีเจอร์ตอบคำถามอย่างรวดเร็วแล้ว OVHcloud รายงานว่าคำตอบเร็วขึ้น 20% และต้นทุนการดำเนินงานลดลงเหลือหนึ่งในสามเมื่อเทียบกับโมเดลที่ Qwant ใช้ก่อนหน้านี้ ซึ่งเป็นตัวอย่างการใช้งานจริงในระยะแรกของ ความคุ้มค่าทางเศรษฐกิจในการนำไปใช้งานที่บริษัทมุ่งหวัง
แผนงานต่อยอดสู่ Workspace, DevOps และความปลอดภัย
แผนงานของ OVHcloud กำหนดให้เปิดตัวเวอร์ชัน 1.1 ภายในสิ้นปี 2026 โดยขยายหน้าต่างบริบทเป็น 128,000 โทเค็นและปรับปรุงความสามารถในการให้เหตุผลทางคณิตศาสตร์ ส่วนเวอร์ชัน 2.0 มีแผนให้มีพารามิเตอร์มากกว่า 100 พันล้านตัว โดย OVHai LLM จะพัฒนาโมเดลที่เชี่ยวชาญด้าน AI เชิงเอเจนต์สำหรับธุรกิจ, Cloud DevOps และความมั่นคงปลอดภัยทางไซเบอร์ ครอบคลุมทั้งการใช้งานเชิงป้องกันและเชิงรุก
เวอร์ชันในอนาคตมีเป้าหมายที่จะนำตระกูลโมเดลนี้ไปใช้กับผลิตภัณฑ์และเครื่องมือปฏิบัติงานของ OVHcloud ในที่สุดคาดว่า Olala จะขับเคลื่อน OVHai Workspace โดยเวอร์ชันที่เข้ารหัสจะต้องใช้โมเดลที่ทำงานภายในเครื่องบนเวิร์กสเตชันได้ ส่วนงาน DevOpsจะครอบคลุมเวอร์ชันสำหรับนักพัฒนา สถาปนิก และทีมปฏิบัติการที่รับผิดชอบให้บริการต่อเนื่องตลอด 24 ชั่วโมง
Octave Klaba ประธานเจ้าหน้าที่บริหารกล่าวว่า OVHcloud จำเป็นต้องสร้างโมเดลให้ตอบโจทย์ทั้งความต้องการภายในองค์กรและความต้องการของลูกค้า เขากล่าวว่า “เราไม่อาจพึ่งพาความเอื้อเฟื้อของแล็บบางแห่งที่แบ่งปัน LLM ของตนในรูปแบบโอเพนซอร์สได้ตลอดไปในอีกหลายปีข้างหน้า” Klaba กล่าวว่า ปัจจุบันผู้คนเข้าถึงความเชี่ยวชาญด้านการฝึกโมเดลได้อย่างกว้างขวาง และต้นทุนลดลงเหลือหนึ่งใน 20 ภายในสามปี โดยชี้ว่าการเปลี่ยนแปลงเหล่านี้เปิดทางให้พัฒนาโมเดลอย่างมีกำไรได้
ดังนั้น Olala จึงมอบทั้งโมเดลขนาดกะทัดรัดและแนวทางการพัฒนาภายในองค์กรให้แก่ OVHcloud คำถามสำคัญคือ OVHai LLM จะต่อยอดประสิทธิภาพและประโยชน์ด้านการนำไปใช้งานที่รายงานไว้สำหรับโมเดลแรกนี้ ไปสู่รุ่นที่มีหน้าต่างบริบทใหญ่ขึ้น รวมถึงระบบเฉพาะทางที่มีขนาดใหญ่กว่ามากตามที่ระบุไว้ในแผนงานได้หรือไม่












