18/11/2026 di Giancarlo Calzetta

OVHcloud entra nei modelli AI con Olala mini, già adottato da Qwant

Il primo LLM di OVHcloud conta 7 miliardi di parametri, di cui un miliardo attivo. Qwant lo usa per le risposte rapide del suo motore di ricerca e, secondo i dati diffusi da OVHcloud, ha ridotto i costi operativi a un terzo.

Dai server americani al blu europeo.png

OVHcloud, azienda francese specializzata nella fornitura di servizi cloud, ha annunciato il suo primo modello LLM sviluppato da zero. Si chiama Olala mini 7A1B ed è già in uso da Qwant, il motore di ricerca, per creare le risposte rapide risparmiando il 20% del  tempo e i due terzi dei costi rispetto alla soluzione precedente. Annunciata ieri 17 novembre, la famiglia Olala sarà presentata ufficialmente il 19 novembre all’OVHcloud AI Summit.

Il caso Qwant mostra ancora una volta su quale terreno OVHcloud cerca di competere con i colossi americani, quello delle applicazioni dove non serve il massimo della potenza, ma una implementazione precisa e funzionale ritagliata sulle necessità del cliente. In una funzione che genera risposte a ogni ricerca, il costo di inferenza si ripete a ogni richiesta e la velocità incide direttamente sull’esperienza dell’utente. Per questo è importante sia che le risposte siano veloci, sia che siano economicamente sostenibili.

Sette miliardi di parametri, uno attivo, e il rilascio open con licenza Apache 2.0

Olala mini usa un’architettura Mixture of Experts con 256 esperti per livello. Il modello dispone di 7 miliardi di parametri complessivi e ne attiva circa un miliardo per token, riducendo la quantità di calcolo necessaria durante l’inferenza. L’architettura combina inoltre Differential-TPA e Mamba-3 e supporta una finestra di contesto di 32.000 token.

OVHcloud dichiara che il modello può funzionare su una GPU con 8 GB di memoria e riporta due livelli di prestazioni: 160 token al secondo su una RTX A4500 e 50 token al secondo in esecuzione su CPU. Il rilascio su Hugging Face con licenza Apache 2.0 comprenderà i pesi, il modello base preaddestrato, il report tecnico e la documentazione relativa all’AI Act. La disponibilità dei pesi rende possibile valutare il modello sulla propria infrastruttura aziendale, misurandone prestazioni e costi sui flussi di lavoro effettivi.

L’addestramento passa dai supercomputer pubblici europei

OVHcloud ha addestrato Olala mini da zero utilizzando tre supercomputer pubblici europei, Jupiter, MeluXina e Jean Zay, equipaggiati rispettivamente con acceleratori NVIDIA GH200, A100 e H100. L’azienda quantifica il sostegno pubblico in 7 milioni di euro sotto forma di ore di calcolo. Dal progetto è nato anche OVHai LLM, il laboratorio del gruppo dedicato all’AI agentica.

Per OVHcloud, sviluppare una propria famiglia di modelli significa poterla adattare ai prodotti del gruppo e alle esigenze dei clienti. Il CEO Octave Klaba ha dichiarato che la scelta è stata possibile grazie al calo dei costi di addestramento che, secondo la sua stima, si sono ridotti di venti volte in tre anni e alla volontà di ridurre la dipendenza dalle decisioni di altri laboratori sul rilascio dei pesi.

Dalle workstation aziendali ai modelli specializzati

QLa versione 1.1, attesa entro fine 2026, dovrebbe estendere la finestra di contesto a 128.000 token e migliorare il ragionamento matematico. Con la versione 2.0, che dovrebbe superare i 100 miliardi di parametri, OVHai LLM punta a sviluppare modelli specializzati in tre aree. La prima riguarda l'AI agentica per le aziende: in prospettiva, Olala sarà alla base di OVHai Workspace, la cui versione cifrata richiederà modelli in grado di funzionare direttamente in locale, sulle workstation degli utenti. La seconda area è quella del cloud DevOps, con modelli progettati per rispondere alle esigenze di sviluppatori, architetti e team operativi responsabili della continuità dei servizi, garantendone il funzionamento 24 ore su 24. La terza riguarda la cybersecurity, sia in ambito difensivo sia offensivo.

scopri altri contenuti su

ARTICOLI CORRELATI