OVHcloud stellt Olala mini vor: Frankreichs zweites offenes KI-Modell neben Mistral

Der französische Cloud-Anbieter OVHcloud steigt mit Olala mini 7A1B in die Entwicklung eigener Sprachmodelle ein. Das kompakte Mixture-of-Experts-Modell soll schon auf Grafikkarten mit 8 GB laufen und am 19. November unter Apache-2.0-Lizenz auf Hugging Face erscheinen. Benchmarks gibt es bisher aber keine.

Modell-Releases 17. Nov. 2026 8 Min. Lesezeit Quelle: Numerama (FR)
Symbolbild, KI-generiert

Worum es geht

OVHcloud ist Europas größter Cloud-Anbieter aus Roubaix in Nordfrankreich. Bisher hat das Unternehmen vor allem die KI-Modelle anderer Firmen auf seinen Servern laufen lassen. Jetzt baut es selbst eines: Am 17. November 2026 hat OVH Olala vorgestellt, laut eigener Aussage seine „erste Familie von LLMs“. Das erste Modell heißt Olala mini 7A1B. Offiziell vorgestellt wird es am 19. November auf dem OVHcloud AI Summit im Carrousel du Louvre in Paris. Am selben Tag sollen die Gewichte unter der freien Lizenz Apache 2.0 auf Hugging Face erscheinen. Laut ActuIA kommen dazu das vortrainierte Basismodell, ein technischer Bericht und eine Dokumentation zur Einhaltung des europäischen AI Act.

Ganz überraschend kommt das nicht. Im Juni hatte OVH-Gründer und -Chef Octave Klaba angekündigt, eigene Modelle trainieren zu wollen, damals noch mit Ziel Anfang 2027. Der Zeitplan ist also früher fertig geworden. Numerama betitelt die Nachricht so: Mistral AI ist in Frankreich nicht mehr allein.

Wie das Modell aufgebaut ist

Der Name verrät die Eckdaten. „7A1B“ steht für insgesamt 7 Milliarden Parameter, von denen pro Anfrage nur 1 Milliarde aktiv ist. Möglich macht das eine Mixture-of-Experts-Architektur (MoE). Jede Schicht des Modells besteht aus 256 spezialisierten Teilnetzen, den „Experten“. Ein Verteiler, der sogenannte Router, wählt für jedes Textstück nur wenige davon aus. Man kann es sich wie eine große Firma vorstellen, in der nicht jede Anfrage durch alle Abteilungen läuft, sondern nur durch die zuständigen. Das spart Rechenaufwand und macht das Modell schnell.

Auch der Aufmerksamkeitsmechanismus ist ungewöhnlich. Er bestimmt, wie das Modell Wörter im Text miteinander in Beziehung setzt. OVH beschreibt ihn als hybrid aus zwei Bausteinen:

  • Differential-TPA komprimiert und filtert die klassische Transformer-Attention, damit sie weniger Speicher braucht und weniger von unwichtigen Textteilen abgelenkt wird.
  • Mamba-3 ist ein sogenanntes State-Space-Modell. Es liest Text wie einen Datenstrom und behält dabei nur eine Zusammenfassung fester Größe im Gedächtnis, statt sich jedes einzelne Wort zu merken. Das hilft vor allem bei langen Texten.

Das Modell wird im Format BF16 ausgeliefert, also mit 16 Bit pro Zahl. Das Kontextfenster umfasst 32.000 Token. So viel Text kann das Modell auf einmal berücksichtigen, grob 50 bis 60 Buchseiten.

Die Architektur stammt nicht ursprünglich von OVH. Sie kommt von Dragon LLM, früher Lingua Custodia, einem Pariser Unternehmen, das 2011 mit Finanzübersetzungen angefangen hat. OVH hat den Kauf am 25. März 2026 bekannt gegeben und die Firma in OVHai LLM umbenannt. Laut ActuIA hatte Dragon LLM im Juni 2024 die „Large AI Grand Challenge“ der EU-Kommission gewonnen und dafür 3,2 Millionen Rechenstunden auf den Supercomputern Leonardo und Jupiter bekommen. Im Oktober 2025 zeigte die Firma einen Prototyp mit 3,6 Milliarden Parametern, ebenfalls ohne Benchmarks.

Herstellerangaben zu Tempo und Speicher und was daran fraglich ist

OVH nennt nur wenige Zahlen:

Angabe Wert laut OVH
Parameter gesamt / aktiv 7 Mrd. / 1 Mrd.
Experten pro Schicht 256
Minimaler Grafikspeicher 8 GB
Tempo auf RTX A4500 160 Token/s
Tempo ohne Grafikkarte 50 Token/s
Kontextfenster 32.000 Token (v1.1: 128.000)
Lizenz Apache 2.0

ActuIA hat nachgerechnet und Widersprüche gefunden. In BF16 belegt jeder Parameter zwei Bytes. 7 Milliarden Parameter sind damit rund 14 GB, fast doppelt so viel wie die angeblich ausreichenden 8 GB. Dafür gibt es zwei mögliche Erklärungen: Entweder ist eine komprimierte Version gemeint, also eine Quantisierung, bei der die Zahlen gröber gespeichert werden. Oder es werden nur Teile der Experten in die Grafikkarte geladen. Welche Erklärung stimmt, lässt die Ankündigung offen.

Bei den Geschwindigkeiten sieht es ähnlich aus. Die 160 Token pro Sekunde wurden auf einer RTX A4500 gemessen, einer Workstation-Karte mit 20 GB Speicher und nicht mit 8. Die 50 Token pro Sekunde stammen von einem „einfachen Prozessor“, welcher es war, sagt OVH nicht. Und keine dieser Zahlen sagt etwas über die Qualität der Antworten aus.

Keine Benchmarks, nur ein Kunde aus der eigenen Familie

Der größte Kritikpunkt: OVH hat keine Benchmark-Ergebnisse veröffentlicht. Deshalb lässt sich Olala mini nicht mit den direkten Konkurrenten derselben Größenklasse vergleichen, etwa Googles Gemma, Alibabas Qwen oder Mistrals Ministral 3, das es mit 3, 8 und 14 Milliarden Parametern ebenfalls unter Apache 2.0 gibt.

Die einzige Praxisangabe kommt von der Suchmaschine Qwant. Sie nutzt Olala mini schon für ihre „Réponse Flash“, die KI-Zusammenfassungen über den Suchergebnissen. Laut Qwant kommen die Antworten 20 Prozent schneller und die Betriebskosten sind auf ein Drittel gesunken, verglichen mit einem nicht genannten Vorgängermodell. Unabhängig ist diese Aussage allerdings nicht. Qwant gehört der Holding Synfonium, und die ist laut ActuIA zu 75 Prozent im Besitz von Octave und Miroslaw Klaba, die übrigen 25 Prozent hält die staatliche Caisse des Dépôts. ActuIA nennt das deshalb ausdrücklich „internes Feedback“.

ActuIA schlägt drei Prüfpunkte für den Veröffentlichungstag vor:

  • Die Scores: Der technische Bericht muss zeigen, wo das Modell bei öffentlichen Tests im Vergleich zu gleich großen offenen Modellen steht.
  • Der echte Speicherbedarf: Nur wer die Gewichte auf eine 8-GB-Karte lädt, erfährt, was die Angabe wirklich bedeutet.
  • Die Trainingsdaten: Seit dem 2. August 2025 müssen Anbieter von KI-Modellen für allgemeine Zwecke nach dem AI Act eine Urheberrechts-Strategie und eine öffentliche Zusammenfassung ihrer Trainingsdaten vorlegen, auch bei offenen Modellen.

Training mit öffentlicher Rechenzeit

Trainiert wurde Olala mini auf drei öffentlichen europäischen Supercomputern: Jupiter in Deutschland, MeluXina in Luxemburg und Jean Zay in Frankreich. Laut Programmez kamen dabei Grafikchips der Typen A100, H100 und GH200 zum Einsatz. OVH beziffert die Unterstützung auf Rechenstunden im Wert von etwa 7 Millionen Euro und bedankt sich bei den Behörden. Über welches Förderprogramm die Stunden vergeben wurden, sagt OVH laut ActuIA nicht. Bei einem Jahresumsatz von 1,145 Milliarden Euro hat der Konzern dieses erste Training also nicht allein bezahlt.

Im Bereich KI arbeiten bei OVH laut der Nachrichtenagentur AFP knapp 100 Menschen in drei Pariser Labors, bei Mistral sind es über 1.000. Klaba sagte der AFP, er wolle zeigen, dass Europa „seinen Platz in allen Schichten der künstlichen Intelligenz“ habe. Laut servicesmobiles.fr hält der Konzern es inzwischen für möglich, LLMs wirtschaftlich selbst zu trainieren. Klaba fasst es so zusammen:

„KI ist strategisch für OVH.“

Wozu OVH das Modell braucht

Laut ActuIA geht die Wahl eines kleinen Modells vor allem auf einen internen Bedarf zurück. Die im Juni vorgestellte Bürosuite OVHai Workspace mit Nachrichten, Speicher und Videokonferenzen soll es auch in einer verschlüsselten Version geben. Dafür braucht es Modelle, die direkt auf dem Arbeitsrechner laufen. Olala ist damit weniger ein Konkurrent zu Mistral als ein Baustein für OVH-Produkte, neben den Zukäufen Seald (Verschlüsselung), Dragon LLM und Gladia (Spracherkennung).

Numerama sieht dazu ein starkes Vertriebsargument. OVH hat 1,7 Millionen Kunden und 46 Rechenzentren. Wie Google seinen Geschäftskunden Gemini verkauft, kann OVH ihnen seine offenen Modelle anbieten, vermutlich zu niedrigen Preisen. Und das in einer Zeit, in der „KI-Souveränität“, also Unabhängigkeit von US-amerikanischen und chinesischen Anbietern, in Europa ein großes Thema ist.

Die nächsten Schritte stehen auch schon fest. Version 1.1 soll bis Jahresende kommen, mit 128.000 Token Kontext und besserem mathematischem Denken. Version 2.0 hat noch keinen Termin. Sie soll laut Programmez mehr als 100 Milliarden Parameter haben und Spezialmodelle für Agenten in Unternehmen, Cloud-DevOps und Cybersicherheit umfassen.

Was du zum Ausprobieren brauchst

Nach OVHs Angaben genügt eine Grafikkarte mit 8 GB Grafikspeicher, etwa eine RTX 3060, 4060 oder eine vergleichbare Karte. Wie oben beschrieben, belegt die volle BF16-Fassung aber rund 14 GB. Für die unkomprimierte Version brauchst du also eher eine Karte mit 16 GB oder mehr, oder du nimmst eine quantisierte Fassung. Ohne Grafikkarte soll das Modell auf dem Prozessor laufen, OVH nennt 50 Token pro Sekunde. Das ist bei nur 1 Milliarde aktiven Parametern plausibel, hängt aber stark vom Prozessor ab. An Speicherplatz solltest du mindestens 15 GB einplanen, an Arbeitsspeicher 16 GB. Eine Unsicherheit bleibt: Wegen der ungewöhnlichen Architektur aus Mamba-3 und Differential-TPA ist offen, ob gängige Programme wie llama.cpp, Ollama oder LM Studio das Modell sofort unterstützen. Am Anfang wird es vermutlich nur über Python mit der Transformers-Bibliothek laufen, auch in Google Colab. Wie das genau geht, beschreibt erst die Dokumentation zum Release.

Einordnung

Olala mini ist vor allem ein strategisches Signal. Nach Mistral hat Frankreich einen zweiten Anbieter offener Sprachmodelle, und der bringt etwas mit, das reinen KI-Labors fehlt: eine eigene Cloud mit Millionen Kunden. Die freie Apache-Lizenz, das veröffentlichte Basismodell und die AI-Act-Dokumentation sind gute Zeichen für Transparenz. Die experimentelle Hybrid-Architektur ist auch für die Forschung interessant.

Vieles ist aber noch unbelegt. Ohne Benchmarks weiß niemand, ob Olala mini mit Qwen, Gemma oder Ministral mithalten kann. Die Speicherangabe passt nicht zur Größe der Gewichte, und die einzige Praxisangabe kommt aus dem eigenen Firmenumfeld. Ob das Modell mehr ist als ein günstiger Baustein für OVH-Produkte, wird sich erst mit dem technischen Bericht und unabhängigen Tests nach dem 19. November zeigen.

Quellen

#ovhcloud#olala#open-source#moe#europa#mamba
Originalquelle lesen

Frag den KI-Assistenten

Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.

Verbinde …

Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.

Kommentare

Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.

  1. Kommentare werden geladen …

Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.