Моделі та платформи ШІ
OVHcloud представляє Olala Mini 7A1B — свою першу модель із відкритим кодом

Ключові моментиOVHcloud повністю навчила свою компактну модель на європейських публічних…
Показати більше
- OVHcloud повністю навчила свою компактну модель на європейських публічних суперкомп'ютерах, а не покладалася на зовнішні лабораторії.
- Qwant впровадив модель для швидких відповідей і повідомив про швидші відповіді з різко нижчими витратами на роботу.
- Дорожня карта просувається до більших спеціалізованих моделей для агентних бізнес-ШІ хмарних операцій і кібербезпеки.
17 листопада 2026 року OVHcloud оголосила про запуск Olala — своєї першої сімейства великих мовних моделей, яке починається з компактної Olala mini 7A1B. За словами компанії, модель може працювати на графічному процесорі з обсягом пам’яті від 8 ГБ. OVHcloud планує випустити її з відкритим кодом на Hugging Face за ліцензією Apache 2.0.
Офіційну презентацію запуску заплановано на 19 листопада 2026 року під час саміту OVHcloud AI Summit. До пакета випуску увійдуть ваги моделі, попередньо навчена базова модель і документація щодо відповідності Закону Європейського Союзу про штучний інтелект (AI Act).
Гібридна увага та нижчі вимоги до апаратного забезпечення
Архітектура Olala mini налічує 7 мільярдів параметрів, але для кожного запиту активними є лише 1 мільярд параметрів. Ці активні параметри розподілені між 256 експертами в кожному шарі, тож для кожного запиту використовується лише частина моделі, а не вся мережа. У гібридній архітектурі уваги поєднано Differential-TPA і Mamba-3 та використано формат BF16.
Така структура має підвищити швидкість і зменшити потребу в пам’яті. За даними OVHcloud, швидкість обробки становить 160 токенів за секунду на RTX A4500 і 50 токенів за секунду на звичайному процесорі без графічного процесора. Наразі контекстне вікно моделі — обсяг тексту в токенах, який вона може обробити за одну послідовність, — становить 32 000 токенів.
Європейська навчальна інфраструктура та розгортання в Qwant
Olala mini навчали з нуля на трьох європейських державних суперкомп’ютерах: Jupiter, MeluXina та Jean Zay. Навчальна інфраструктура включала графічні процесори GH200, A100 і H100. OVHcloud називає вирішальною державну підтримку проєкту, еквівалентну 7 мільйонам євро обчислювального часу.
У межах ініціативи також було сформовано команду компанії з розробки ШІ та створено її Agentic Lab, OVHai LLM. Завдяки цьому проєкт відіграє організаційну роль, що виходить за межі створення першої моделі: OVHcloud сформувала окрему групу, яка продовжить розробляти сімейство моделей, а не розглядатиме навчання Olala mini як разову вправу.
Qwant уже використовує Olala mini у функції швидких відповідей. За даними OVHcloud, відповіді надходять на 20% швидше, а експлуатаційні витрати втричі нижчі, ніж у моделі, яку Qwant використовувала раніше. Це ранній практичний приклад економічної ефективності розгортання, якої прагне досягти компанія.
План розвитку передбачає Workspace, DevOps і безпеку
План розвитку OVHcloud передбачає випуск версії 1.1 до кінця 2026 року: контекстне вікно буде збільшено до 128 000 токенів, а здатність до математичних міркувань — покращено. Запланована версія 2.0 матиме понад 100 мільярдів параметрів. OVHai LLM розроблятиме моделі, спеціалізовані на агентному ШІ для бізнесу, хмарному DevOps і кібербезпеці, зокрема для захисного й наступального застосування.
У майбутньому планується інтегрувати сімейство моделей у продукти й операційні інструменти OVHcloud. Очікується, що згодом Olala працюватиме в OVHai Workspace; для його зашифрованої версії знадобляться моделі, здатні локально працювати на робочій станції. Робота з DevOps передбачає створення версій для розробників, архітекторів і операційних команд, відповідальних за безперервну цілодобову роботу сервісів.
Генеральний директор Octave Klaba заявив, що OVHcloud має створювати моделі як для власних внутрішніх потреб, так і для потреб клієнтів. «Ми не можемо просто покладатися на щедрість окремих лабораторій, які в найближчі роки ділитимуться своїми великими мовними моделями з відкритим кодом», — сказав він. За словами Klaba, досвід навчання моделей став широкодоступним, а витрати за три роки знизилися у 20 разів. Він назвав ці зміни шляхом до прибуткової розробки моделей.
Отже, Olala дає OVHcloud і компактну модель, і можливість розробляти моделі власними силами. Головне питання — чи зможе OVHai LLM перенести заявлені переваги першої моделі щодо ефективності та розгортання на випуск із більшим контекстним вікном і значно масштабніші спеціалізовані системи, передбачені планом розвитку.












