OVHcloud vendía hasta ahora sobre todo la infraestructura de la inteligencia artificial, en particular el alquiler de GPU (procesadores gráficos utilizados para entrenar y hacer funcionar los modelos). Con Olala, la empresa francesa diseña ahora sus propios modelos, cuyo primero, Olala mini 7A1B, debe publicarse el jueves 19 de noviembre.
«Lo que queremos mostrar es que Europa tiene su lugar en todas las capas de la inteligencia artificial», declaró Octave Klaba, CEO de OVHcloud, a la AFP.
Olala mini, un modelo compacto para uso local
Olala mini 7A1B se basa en una arquitectura de expertos: solo una fracción de sus parámetros, es decir, sus ajustes internos, trabaja en cada solicitud. Según OVHcloud, esta organización aligera las necesidades de memoria y permite que el modelo funcione localmente, incluso en un simple procesador.
El modelo cuenta con 7 mil millones de parámetros, de los cuales 1 mil millones se activan por solicitud, distribuidos entre 256 expertos por capa. Su arquitectura híbrida alterna capas de atención (Differential-TPA) y capas Mamba-3, diseñadas para limitar la memoria necesaria. Exige una GPU con 8 GB de memoria como mínimo y alcanza 160 tokens por segundo (unidades de texto procesadas por el modelo) en una RTX A4500, frente a 50 en procesador solo. Su ventana de contexto, es decir, la cantidad de texto que puede procesar de una vez, es de 32.000 tokens.
El modelo se publicará en Hugging Face, bajo licencia Apache 2.0, el día del OVHcloud AI Summit. OVH proporciona los pesos, el modelo base preentrenado, un informe técnico y una documentación de conformidad con la AI Act. Según la empresa, Qwant ya lo utiliza para las respuestas flash de su motor, que serían un 20% más rápidas y tres veces más baratas que con el modelo anterior.
Una hoja de ruta hacia más de 100 mil millones de parámetros
El modelo fue entrenado en tres supercomputadores públicos europeos, Jupiter, MeluXina y Jean Zay. Esta ayuda, equivalente a 7 millones de euros en horas de cálculo, dio origen a OVHai LLM, su laboratorio agentico. «El conocimiento en el entrenamiento de modelos se ha democratizado ampliamente y el coste de un entrenamiento se ha dividido por 20 en 3 años», destaca Octave Klaba en el comunicado.
La versión 1.1, prevista para finales de año, debe llevar la ventana de contexto a 128.000 tokens y avanzar en razonamiento matemático. La versión 2.0 superará los 100 mil millones de parámetros y se presentará en modelos especializados: el agentico para empresas, destinado a alimentar OVHai Workspace, el DevOps cloud para desarrolladores, arquitectos y equipos de operaciones, y la ciberseguridad, tanto defensiva como ofensiva. Ante la AFP, Octave Klaba menciona también herramientas de asistencia al código, al estilo de Claude Code o Codex, y aspira a 100 millones de usuarios, sin una fecha límite precisa.
Una competencia directa con Mistral AI
Olala sitúa a OVHcloud en competencia directa con Mistral AI, bajo otro modelo económico. La startup francesa, valorada en más de 21 mil millones de euros, recaudó 3 mil millones de euros en septiembre. OVHcloud, rentable, no planea recaudar fondos para financiar su estrategia de IA.
Su director ya había subrayado, en una entrevista en La Tribune, que OVH y Mistral eran «muy diferentes», comparando en particular la facturación y el número de clientes de ambas empresas. «No partimos de cero. Tenemos una base de clientes, con una marca OVH», insistió ante la AFP.
Técnicamente, Olala mini se sitúa en la categoría de los Ministral 3, los modelos compactos de Mistral AI (3, 8 y 14 mil millones de parámetros), también pensados para uso local. Se mantiene lejos de Mistral Small 4, con sus 119 mil millones de parámetros y una ventana de contexto ocho veces más amplia, y más aún de Mistral Large 4.
OVH no ha publicado ningún benchmark: el comunicado proporciona velocidades, pero no puntuaciones de calidad, lo que impide por ahora cualquier comparación cuantificada con los modelos de Mistral AI.
