AI 模型与平台
OVHcloud推出Olala Mini 7A1B,作为其首个开源大语言模型

要点OVHcloud完全在欧洲公共超级计算机上训练了其紧凑模型,而不是依赖外部实验室。
查看更多
- OVHcloud完全在欧洲公共超级计算机上训练了其紧凑模型,而不是依赖外部实验室。
- Qwant采用该模型用于快速回答,并报告了更快的响应速度和大幅降低的运行成本。
- 该路线图朝着用于代理式商业AI、云运营和网络安全的大型专业化模型推进。
OVHcloud于2026年11月17日宣布推出Olala,这是其首个大语言模型系列,首款产品是轻量级的Olala mini 7A1B。该公司表示,这款模型可在显存仅为8 GB的GPU上运行,并计划以开源形式在Hugging Face上发布,采用Apache 2.0许可证。
官方发布会定于2026年11月19日在OVHcloud AI Summit上举行。发布包包含模型权重、预训练基础模型,以及符合欧盟人工智能立法《人工智能法案》的合规文件。
混合注意力机制,降低硬件需求
Olala mini采用70亿参数架构,但每次请求只激活10亿个参数。这些激活参数分布在每层的256个专家中,因此每次请求只调用模型的一部分,而非整个网络。其混合注意力设计结合了Differential-TPA和Mamba-3,并采用BF16格式。
这种架构旨在提升速度并降低内存需求。OVHcloud报告称,该模型在RTX A4500上的吞吐量为每秒160个词元;在不配备GPU的标准处理器上,吞吐量为每秒50个词元。目前,其上下文窗口——即模型在单个序列中能够处理的文本量,以词元计——为32,000个词元。
欧洲训练基础设施与Qwant部署
Olala mini从零开始,在欧洲的三台公共超级计算机上完成训练:Jupiter、MeluXina和Jean Zay。训练基础设施包括GH200、A100和H100 GPU。OVHcloud称,项目获得的公共支持至关重要,其价值相当于700万欧元的计算时长。
这项计划还促成了公司AI团队的组建,并推动其成立Agentic Lab OVHai LLM。因此,该项目的组织意义不止于推出首款模型:OVHcloud已设立专门团队,继续开发这一模型系列,而不是将Olala mini视为一次性训练项目。
Qwant已将Olala mini用于其快速问答功能。OVHcloud报告称,与Qwant此前使用的模型相比,答案生成速度提高了20%,运行成本降至三分之一,为该公司追求的部署经济效益提供了一个早期实际案例。
路线图将拓展至Workspace、DevOps与安全领域
OVHcloud的路线图计划于2026年底前推出1.1版,将上下文窗口扩展至128,000个词元,并提升数学推理能力。2.0版计划采用超过1,000亿个参数;OVHai LLM将开发专门面向企业级智能体AI、云端DevOps和网络安全的模型,涵盖防御性和进攻性用途。
后续版本旨在将这一模型系列融入OVHcloud的产品和运营工具。预计Olala最终将为OVHai Workspace提供支持;其加密版本将需要能够在工作站本地运行的模型。DevOps相关工作包括面向开发人员、架构师以及负责确保服务全天候持续运行的运营团队的版本。
首席执行官Octave Klaba表示,OVHcloud需要开发既满足自身内部需求、又能满足客户需求的模型。他说:“未来几年,我们不能只依赖某些实验室的善意,指望它们以开源形式分享自己的大语言模型。”Klaba表示,模型训练专业知识如今已广泛普及,成本在三年内下降了20倍;他认为,这些变化为实现盈利的模型开发提供了路径。
因此,Olala既为OVHcloud带来了一款轻量级模型,也为其开辟了内部开发路径。关键问题在于,OVHai LLM能否将这款首发模型所展现的效率和部署优势,延续到上下文更长的版本,以及路线图中规划的规模大得多、专业化程度更高的系统中。












