Una nuova famiglia di modelli linguistici: Olala Mini 7A1B

Il 17 novembre 2026 OVHcloud ha annunciato la prima famiglia di grandi modelli linguistici chiamata Olala, introducendo il modello compatto Olala Mini 7A1B. Il modello è stato progettato per funzionare su una GPU con soli 8 GB di memoria, rendendolo adatto a un'ampia gamma di applicazioni aziendali e di ricerca. OVHcloud ha dichiarato l’intenzione di pubblicare i pesi del modello, un modello pre‑addestrato e una documentazione completa per la conformità al regolamento europeo sull’intelligenza artificiale (AI Act) su Hugging Face, sotto licenza Apache‑2.0.

La presentazione ufficiale è prevista per il 19 novembre 2026 durante l’OVHcloud AI Summit, dove verranno mostrati i risultati tecnici e le potenziali integrazioni nei prodotti OVHcloud. Il pacchetto di rilascio include inoltre linee guida per l’uso responsabile del modello, con particolare attenzione alla trasparenza e alla mitigazione dei bias.

Architettura ibrida e ridotto fabbisogno hardware

Olala Mini si distingue per una architettura ibrida che combina Differential‑TPA e Mamba‑3, utilizzando il formato numerico BF16. Il modello conta 7 miliardi di parametri, ma solo 1 milliardo è attivo per ogni richiesta. Questi parametri attivi sono distribuiti su 256 esperti per livello, consentendo al modello di eseguire solo una porzione della rete neurale per ogni input.

Questa suddivisione porta a due vantaggi principali:

    • Velocità aumentata: il throughput dichiarato è di 160 token al secondo su una scheda RTX A4500, contro 50 token al secondo su un processore CPU tradizionale.
    • Minore consumo di memoria: il modello utilizza il contesto di 32 000 token, ma richiede significativamente meno RAM rispetto a modelli tradizionali di pari dimensione.

Grazie a queste scelte progettuali, Olala Mini può essere eseguito anche su workstation aziendali senza GPU di fascia alta, aprendo la strada a una diffusione più ampia nelle piccole e medie imprese.

Infrastruttura di training europea

Il modello è stato addestrato esclusivamente su tre supercomputer pubblici europei: Jupiter, MeluXina e Jean Zay. L’hardware impiegato comprende GPU di ultima generazione GH200, NVIDIA A100 e H100. OVHcloud ha sottolineato che il valore delle ore di calcolo messe a disposizione ammonta a circa 7 milioni di euro, dimostrando l’importanza del supporto pubblico per progetti di IA autonomi.

Questo approccio ha permesso a OVHcloud di mantenere il controllo sull’intero ciclo di vita del modello, evitando dipendenze da laboratori esterni e garantendo la sovranità digitale dei dati europei.

Prime applicazioni concrete: Qwant e le risposte rapide

Qwant, motore di ricerca francese, ha già integrato Olala Mini nella sua funzione di quick answers. Secondo i dati forniti da OVHcloud, le risposte generate dal nuovo modello sono 20 % più veloci rispetto al precedente modello proprietario di Qwant, mentre i costi operativi si sono ridotti a un terzo.

Questi risultati rappresentano un primo caso d’uso reale per la economicità del modello, dimostrando che un’architettura più efficiente può tradursi in vantaggi concreti per le aziende che gestiscono grandi volumi di richieste di inferenza.

Roadmap e versioni future

OVHcloud ha definito una roadmap ambiziosa per la famiglia Olala:

    • Versione 1.1 (fine 2026): ampliamento del contesto a 128 000 token e miglioramenti nel ragionamento matematico.
    • Versione 2.0: modello con oltre 100 miliardi di parametri, destinato a settori agentici, cloud‑DevOps e cybersicurezza.
    • Integrazioni prodotto: Olala alimenterà OVHai Workspace, con versioni cifrate eseguibili localmente su workstation.
    • DevOps: versioni pensate per sviluppatori, architetti e team di operazioni, garantendo disponibilità 24/7 dei servizi.

Il consiglio di amministrazione, rappresentato dal CEO Octave Klaba, ha ribadito che “non possiamo più dipendere da laboratori esterni per l’accesso a grandi modelli open source”. Klaba ha evidenziato come la conoscenza del training sia ora più diffusa e i costi siano diminuiti di un fattore 20 in tre anni, creando un terreno fertile per lo sviluppo interno.

Impatto strategico e prospettive di mercato

Olala Mini rappresenta per OVHcloud una doppia opportunità: da un lato un modello compatto e altamente efficiente, dall’altro una piattaforma di sviluppo interno che può essere estesa a modelli più grandi e specialistici. La creazione di OVHai LLM e del Agentic Lab segnala una volontà di trasformare l’iniziativa in un vero e proprio asset strategico, anziché in un progetto sperimentale isolato.

Le sfide future includono la capacità di trasferire le efficienze dimostrate da Olala Mini a versioni con contesto più ampio e a modelli da 100 miliardi di parametri, mantenendo al contempo costi operativi contenuti e conformità normativa.

Se OVHai LLM riuscirà a mantenere le promesse di performance e costi, la famiglia Olala potrebbe diventare un punto di riferimento per le imprese europee che cercano soluzioni di IA sovrane, scalabili e open source.