OVHcloud ha annunciato il 17 novembre 2026 Olala mini 7A1B, il primo modello linguistico della nuova famiglia Olala, sviluppata e addestrata da zero dall’azienda francese. Il modello sarà presentato ufficialmente il 19 novembre all’OVHcloud AI Summit di Parigi e distribuito in modalità open source attraverso Hugging Face, con licenza Apache 2.0.
Con questa iniziativa OVHcloud amplia la propria attività nell’intelligenza artificiale: oltre a fornire infrastrutture cloud, capacità di calcolo e servizi per l’esecuzione dei modelli, il gruppo sviluppa direttamente LLM destinati alle applicazioni aziendali.
Olala mini nasce con un obiettivo preciso: ridurre le risorse hardware necessarie per utilizzare un modello linguistico, così da facilitarne l’adozione anche su sistemi locali. La strategia comprende applicazioni di AI agentica, strumenti per gli sviluppatori e soluzioni di cybersecurity.
Indice degli argomenti:
Olala mini 7A1B: 7 miliardi di parametri, ma solo uno attivo
Olala mini utilizza un’architettura con 7 miliardi di parametri complessivi, dei quali un miliardo viene attivato durante l’elaborazione. Il sistema si basa su una struttura mixture of experts (MoE), con 256 esperti per livello.
Questo approccio permette di selezionare soltanto una parte delle componenti del modello per ciascuna elaborazione, riducendo il numero di operazioni necessarie rispetto a un’architettura che utilizza tutti i parametri.
Il modello integra inoltre un meccanismo di attenzione ibrida che combina Differential-TPA e Mamba-3, due tecnologie progettate per rendere più efficiente l’elaborazione delle sequenze di testo e la gestione delle informazioni contestuali.
Secondo i dati comunicati da OVHcloud il 17 novembre, Olala mini può funzionare su una GPU con 8 GB di memoria. L’azienda dichiara una velocità di 160 token al secondo su una Nvidia RTX A4500 e di 50 token al secondo utilizzando soltanto un processore, senza accelerazione GPU.
La finestra di contesto iniziale raggiunge 32 mila token, una dimensione che consente di elaborare conversazioni e documenti relativamente estesi.
I dati sulle prestazioni richiedono tuttavia alcune precisazioni tecniche. Il modello viene presentato in formato BF16, nel quale i soli 7 miliardi di parametri occuperebbero circa 14 GB. OVHcloud non ha ancora chiarito quali tecniche di quantizzazione o gestione della memoria consentano l’esecuzione su GPU da 8 GB. Mancano inoltre benchmark pubblici sufficienti per confrontare la qualità delle risposte con quella di altri modelli di dimensioni analoghe.
Addestramento europeo: 7 milioni di euro in risorse di calcolo
Lo sviluppo di Olala mini è stato sostenuto dall’accesso a tre infrastrutture pubbliche europee di supercalcolo: Jupiter, MeluXina e Jean Zay, equipaggiate rispettivamente con GPU GH200, A100 e H100 (Nvidia).
Secondo OVHcloud, le risorse computazionali messe a disposizione equivalgono a circa 7 milioni di euro in ore di calcolo. Si tratta quindi del valore attribuito all’utilizzo delle infrastrutture, non necessariamente del costo complessivo di sviluppo del modello.
Il progetto ha portato anche alla costituzione di OVHai LLM, il laboratorio del gruppo dedicato allo sviluppo di modelli linguistici e all’intelligenza artificiale agentica.
La distribuzione open source comprenderà i pesi del modello, la versione di base pre-addestrata, un rapporto tecnico e la documentazione relativa agli obblighi previsti dall’AI Act europeo.
La licenza Apache 2.0 consentirà alle imprese e agli sviluppatori di utilizzare, modificare e integrare il modello nelle proprie applicazioni, anche commerciali, rispettandone le condizioni.
Per le organizzazioni che intendono eseguire l’intelligenza artificiale nelle proprie infrastrutture, la disponibilità dei pesi riduce la dipendenza dai servizi di inferenza gestiti da fornitori esterni.
Qwant adotta Olala mini: risposte più veloci e costi ridotti
Il primo utilizzo operativo annunciato riguarda Qwant, il motore di ricerca francese che ha integrato Olala mini nella funzionalità di risposta rapida basata sull’intelligenza artificiale.
OVHcloud dichiara che l’adozione del modello ha prodotto un miglioramento del 20% nei tempi di generazione delle risposte e una riduzione dei costi operativi a un terzo rispetto alla soluzione precedentemente utilizzata.
I risultati sono comunicati dall’azienda e non sono accompagnati, per il momento, da una valutazione indipendente delle prestazioni o della qualità delle risposte.
L’impiego presso Qwant rappresenta comunque una prima applicazione in produzione del modello. Per le imprese interessate all’AI generativa, l’aspetto da valutare è il rapporto tra prestazioni, risorse hardware e costi di esercizio, soprattutto nelle applicazioni che devono elaborare grandi volumi di richieste.
La roadmap: contesto a 128 mila token e modelli da oltre 100 miliardi di parametri
OVHcloud ha già delineato le prossime tappe di sviluppo della famiglia Olala.
La versione 1.1, prevista entro la fine del 2026, dovrebbe ampliare la finestra di contesto da 32.000 a 128.000 token e migliorare le capacità di ragionamento matematico.
La successiva versione 2.0, per la quale non è stata comunicata una data di disponibilità, dovrebbe superare i 100 miliardi di parametri e introdurre modelli specializzati in tre aree applicative.
La prima è l’AI agentica per le imprese. Olala dovrebbe diventare una componente di OVHai Workspace, la piattaforma collaborativa del gruppo. In particolare, l’evoluzione verso una versione cifrata del servizio richiederà modelli capaci di operare direttamente sulle workstation degli utenti, senza trasferire necessariamente le elaborazioni a sistemi remoti.
La seconda area riguarda il cloud DevOps, con modelli destinati a sviluppatori, architetti software e responsabili delle operazioni IT. Le applicazioni previste comprendono il supporto alla gestione delle infrastrutture e alla continuità dei servizi.
La terza è la cybersecurity, con soluzioni dedicate sia alle attività difensive sia alle verifiche offensive della sicurezza informatica.
Octave Klaba: sviluppare LLM per ridurre la dipendenza dai laboratori esterni
Octave Klaba, amministratore delegato di OVHcloud, collega il progetto alla necessità di acquisire capacità autonome nello sviluppo dei modelli.
Secondo Klaba, il gruppo non può basare la propria strategia di lungo periodo esclusivamente sulla disponibilità di LLM open source pubblicati da laboratori esterni. Deve poter progettare e addestrare modelli adatti alle proprie esigenze e a quelle dei clienti.
Il manager sostiene inoltre che i costi di addestramento dei modelli siano diminuiti di 20 volte negli ultimi tre anni, rendendo economicamente più accessibile lo sviluppo interno.
La scelta di OVHcloud rafforza così una strategia industriale che affianca alla disponibilità di infrastrutture europee il controllo delle tecnologie utilizzate per sviluppare ed eseguire l’intelligenza artificiale.
Il lancio del 19 novembre costituirà il primo momento di verifica pubblica delle capacità di Olala mini. La disponibilità dei pesi, del rapporto tecnico e dei risultati dei benchmark permetterà agli sviluppatori di misurare il rapporto tra qualità delle risposte, velocità e consumo di memoria. Sono questi gli elementi necessari per stabilire in quali applicazioni aziendali il nuovo modello possa rappresentare un’alternativa ai LLM già disponibili.







Partecipa alla community