أتاحت OVHcloud الوصول المفتوح إلى نموذج Olala mini 7A1B، أول نموذج لغوي كبير لها، يوم الخميس 19 نوفمبر في باريس خلال قمة الذكاء الاصطناعي الخاصة بها. بعد تقديمه قبل يومين دون أي نتائج اختبار، أصبح الآن مصحوبًا بتقرير تقني. وفقًا لمزود الخدمة نفسه، فهو نموذج متوسط المستوى، جيد جدًا في اتباع التعليمات، لكنه أقل براعة في الرياضيات والعلوم.
لا تنشر OVHcloud نموذجًا واحدًا، بل خمسة نماذج. النسخة النهائية، المصممة للمناقشة والاستدلال واستخدام الأدوات، مصحوبة بالنموذج الأساسي الخام غير المعدل للمحادثة، ونسخة وسيطة، ونسختين متخصصتين، واحدة في تلخيص المستندات والأخرى في الترجمة. جميعها تحت ترخيص Apache 2.0، الذي يسمح بالاستخدام التجاري دون مقابل.
تعلن الشركة أيضًا عن نشر وصفة بيانات تدريبها وأدوات التدريب الخاصة بها، وهي ممارسة نادرة، حيث أن معظم النماذج المسماة « مفتوحة » تقتصر على الأوزان، أي النموذج نفسه. تم تدريب Olala على 12.8 تريليون رمز (token)، وهي أجزاء نصية، باللغة الإنجليزية و36 لغة أخرى، أوروبية في الغالب.
السابع من أصل تسعة عشر
قارنت OVHcloud نموذج Olala بـ18 نموذجًا بحجم مماثل، على اثني عشر اختبارًا تتعلق باتباع التعليمات، والمعرفة العلمية، والبرمجة، والرياضيات. بمتوسط 68 من 100، يحتل النموذج المرتبة السابعة. هذه النتائج هي من قياس الشركة نفسها، باستخدام إعداداتها الخاصة، ولم يتم تكرارها بعد من قبل أي هيئة مستقلة.
في مواجهة نماذج Mistral، تكون النتيجة منقسمة: يتفوق Olala على Ministral 3 3B، لكنه يبقى خلف Ministral 3 8B. يحقق نتائج أفضل بوضوح من النماذج الأوروبية الأخرى في الجدول، مثل EuroLLM 9B أو Apertus 8B، التي يقل متوسطها عن 32. من أصل 7 مليارات معلمة (parameter) له، وهي الإعدادات المكتسبة أثناء التدريب، فإنه ينشط مليارًا واحدًا فقط لكل كلمة ينتجها، مقارنة بـ4 مليارات لـ Qwen3.5 4B و8 مليارات لـ Ministral 3 8B. إذن فهو يحسب أقل وبسرعة أكبر، لكن Qwen3.5 4B يؤدي أفضل في تسعة اختبارات من أصل اثني عشر.
تقر OVHcloud نفسها بأن نموذجها « أقوى في اتباع التعليمات، وأضعف في الرياضيات التنافسية ». في اختبار IFBench، الذي يتحقق من الالتزام بقيود محددة، مثل عدد الكلمات أو تنسيق مفروض، يحصل Olala على 57.7%، أي ضعف نتيجة Ministral 3 8B. في اختبار GPQA Diamond، وهو اختبار علوم على مستوى جامعي، يصل إلى 50.5%، مقابل 75.8% لـ Qwen3.5 4B. تم تصميم Olala لمهام قصيرة ومتكررة، مثل التلخيص، والتصنيف، واستخراج المعلومات، أو استدعاء الأداة المناسبة. تم تدريبه على تنفيذ ما يصل إلى 75 استدعاءً للأدوات على التوالي.
على حاسوبك الشخصي، ليس بعد بنقرتين
كانت OVHcloud قد وعدت بنموذج « يتسع على حاسوب شخصي بدون بطاقة رسومات مخصصة ». هذا غير ممكن بعد باستخدام الأدوات الموجهة للمستهلكين: فبرامج Ollama وLM Studio والإصدار الرسمي من llama.cpp لا تعرف بعد كيفية تحميله. يجب استخدام إصدارات معدلة من هذه البرامج، نشرتها OVHcloud، والمرور عبر سطر الأوامر.
بمجرد تثبيته، يبقى النموذج خفيفًا. أصغر نسخة مضغوطة تزن 6 غيغابايت، ولم تنشر OVHcloud نسخة أكثر ضغطًا، لعدم وجود كفاية كافية. على جهاز MacBook Air M5 مزود بـ16 غيغابايت من الذاكرة، تنتج النسخة المضغوطة 6 بت حوالي 70 رمزًا في الثانية، وفقًا للشركة. النسخة غير المضغوطة تتطلب 13.6 غيغابايت.
لدى Olala بالفعل عميل واحد، هو محرك البحث Qwant. إجاباته « الفلاش »، المعروضة في أعلى النتائج، تعتمد الآن على النسخة المتخصصة في التلخيص. وهي تعالج 3 ملايين استعلام يوميًا، بثلث الموارد المستخدمة في النموذج السابق، الذي كان هو نفسه من Mistral، وبإجابات أسرع بنسبة 20%، وفقًا لـOVHcloud. يتبع Qwant منذ عام 2023 لشركة مملوكة بشكل مشترك لعائلة Klaba وصندوق الودائع، ويعمل النموذج على وحدات معالجة الرسومات (GPU) لشركة Shadow، التي اشترتها في عام 2021 شركة مملوكة لـOctave Klaba. أعلنت الشركات الثلاث هذا الخميس عن تحالف من أجل « ذكاء اصطناعي سيادي من البداية إلى النهاية ». لم يُقل أي شيء، مع ذلك، عن جودة الملخصات.
من المتوقع إصدار نسخة 1.1 قبل نهاية العام. ستزداد نافذة السياق الخاصة بها، أي كمية النص التي يحتفظ بها النموذج في الذاكرة، من 32000 إلى 128000 رمز. النسخة 2.0 ستتجاوز 100 مليار معلمة. أمام الصحافة، ذكر Octave Klaba نطاقًا من 100 إلى 300 مليار معلمة بحلول بداية عام 2027، ويهدف في النهاية إلى نموذج بـ3 تريليونات معلمة للأمن السيبراني والتطوير. مصممًا من قبل فريق مكون من حوالي مائة شخص، يتميز Olala mini بشكل رئيسي بانفتاحه الكامل، بما في ذلك بيانات التدريب.
