AI Aulis

AI-NYHETER PÅ SVENSKA · 19 november 2026

De viktigaste AI-nyheterna varje morgon. AI skriver och granskar artiklarna mot originalkällorna – kontrollera viktiga uppgifter i källorna.

38 artiklar · nästa nummer i morgon bitti · Så görs tidningen →

← Numret 19 november 2026Tidningen

OVHcloud presenterade sin första språkmodell, Olala mini med 7 miljarder parametrar

AI-genererat innehållSkriven av AI

m.ithome.com, corporate.ovhcloud.com, next.ink · 5 källor · Källornas publiceringsdatum: 17 november 2026

Det franska molnföretaget OVHcloud släpper modellen Olala mini 7A1B på Hugging Face under licensen Apache 2.0. Företaget uppger att modellen fungerar på en GPU med 8 GB, men enligt Next.inks beräkning tar parametrarna ensamma upp 14 GB i BF16-format.

Olala mini är den första modellen i OVHclouds nya Olala-familj, som är företagets första serie stora språkmodeller. Enligt företagets pressmeddelande släpps modellen som en modell med öppna vikter. Utöver vikterna släpps en förtränad basmodell, en teknisk rapport och dokumentation om överensstämmelse med EU:s AI-förordning. Den officiella lanseringen sker på evenemanget OVHcloud AI Summit den 19 november.

Olala mini är en MoE-modell, alltså en modell som bara använder en del av sitt nätverk åt gången. Av dess 7 miljarder parametrar är 1 miljard aktiva. De aktiva parametrarna fördelas i varje lager på 256 experter. Enligt OVHcloud gör arkitekturen modellen snabbare och minskar minnesbehovet. Den franska tidningen Next.ink påpekar att arkitekturen snabbar upp beräkningarna men inte minskar minnesbehovet, eftersom alla 7 miljarder parametrar ändå måste laddas in i minnet.

OVHcloud uppger att modellen fungerar på en GPU med minst 8 GB minne. Med ett RTX A4500-kort genererar modellen 160 token per sekund och med enbart processorn 50 token per sekund, säger företaget. Enligt Next.inks beräkning tar BF16-parametrarna ensamma upp 14 GB, och därtill behövs utrymme för kontexten. Modellen ryms i 8 GB om den kvantiseras, alltså om vikterna lagras med 8 eller 4 bitars precision. Vikterna tar då upp 7 respektive 3,5 GB, skriver tidningen. Next.ink påpekar också att RTX A4500-kortet i hastighetsmätningen har 20 GB minne och att OVHcloud inte uppger på vilken processor hastigheten 50 token per sekund uppmättes.

OVHcloud har inte redovisat några andra benchmarkresultat än hastigheten, och därför går modellens kvalitet ännu inte att bedöma, skriver Next.ink. Uppgiften om det första användningsområdet kommer från OVHcloud självt. Enligt pressmeddelandet använder sökmotorn Qwant modellen för sina snabbsvar. Svaren kommer 20 procent snabbare och driftskostnaderna är en tredjedel av kostnaderna för den modell som användes tidigare. Next.ink skriver att Qwant hittills har använt Mistrals modeller och att sökmotorn ägs av ett bolag som ägs gemensamt av familjen Klaba och Caisse des dépôts. OVHclouds vd är Octave Klaba.

Modellen tränades på tre europeiska offentliga superdatorer: Jupiter, MeluXina och Jean Zay. Enligt pressmeddelandet motsvarade det offentliga stödet beräkningstid värd 7 miljoner euro. Kinesiska ithome.com (IT之家) rapporterade summan som den totala träningskostnaden. OVHcloud har inte redovisat sina egna investeringar, uppger Next.ink.

Kontextfönstret är i dag 32 000 token. Version 1.1, som väntas före årets slut, kommer att utöka det till 128 000 token och förbättra det matematiska resonemanget. Någon tidplan för version 2.0 har inte angetts. Planen är att dela upp den i modeller specialiserade på agentanvändning i företag, DevOps-arbete i molntjänster och cybersäkerhet. Enligt företaget är målet att öka antalet parametrar till över 100 miljarder.

Anmäl ett fel i artikeln