noviembre 17, 2026

Tecnología Geek

Noticias diarias sobre tecnología, móviles, inteligencia artificial y gadgets en español. Reviews, lanzamientos y tendencias para Latinoamérica.

Inteligencia Artificial

Olala mini 7A1B corre con 8 GB y activa 1.000 millones

Olala mini 7A1B de OVHcloud en un centro de datos
Foto: Unite.AI

¿Tecnología Geek te ahorra tiempo? Agréganos como tu fuente preferida en Google y ve más noticias nuestras en tus resultados. Fuente preferida en Google

Olala mini 7A1B ya tiene fecha de salida y corre en una tarjeta gráfica de 8 GB. OVHcloud presentó este martes en Roubaix su primera familia de modelos de lenguaje, Olala, y el primer miembro llega con una ficha que llama la atención por lo pequeña que es: 7.000 millones de parámetros en total, de los que solo 1.000 millones trabajan en cada petición. El lanzamiento oficial será el 19 de noviembre en el OVHcloud AI Summit, donde la compañía francesa mostrará el resto de sus novedades de nube e inteligencia artificial para clientes.

La arquitectura explica el truco. El modelo reparte ese trabajo entre 256 expertos por capa, un esquema de mezcla de expertos en el que cada consulta activa una fracción del conjunto y deja dormida la demás. A eso suma una atención híbrida que combina Differential-TPA y Mamba-3, en formato BF16. El resultado práctico, con las cifras que publica la propia empresa, es un modelo que alcanza 160 tokens por segundo en una RTX A4500 y que incluso sin tarjeta gráfica, con un procesador común, sostiene 50 tokens por segundo. La ventana de contexto llega a 32.000 tokens, suficiente para documentos largos y conversaciones con mucha memoria de trabajo.

Europa ya vio una apuesta parecida por los pesos abiertos con Mistral Large 4 y su descarga libre, aunque en una escala muy distinta. Olala mini juega en la liga contraria: en lugar de pelear por tamaño, busca caber en el equipo que una empresa pequeña ya tiene sobre la mesa. Esa diferencia importa en la práctica, porque un modelo que corre en local deja los datos dentro de la oficina y evita pagar cada consulta a un proveedor externo.

Entrenado con dinero público y probado en un buscador real

El entrenamiento se hizo desde cero en tres supercomputadoras públicas europeas: Jupiter, MeluXina y Jean Zay, equipadas con tarjetas GH200, A100 y H100. OVHcloud valora ese apoyo público en el equivalente a 7 millones de euros en horas de cómputo y lo presenta como la pieza que hizo viable el proyecto. De ese trabajo salió también su laboratorio de agentes, OVHai LLM, el equipo que firma el modelo.

La prueba de uso no es un laboratorio interno. Qwant, el buscador francés, ya adoptó Olala mini para su función de respuestas rápidas, y OVHcloud publicó las dos cifras de ese cambio: respuestas un 20 % más rápidas y un costo de operación dividido entre tres frente al modelo que Qwant usaba antes. Son datos de la propia compañía, sin auditoría externa publicada, y conviene leerlos con esa etiqueta. Aun así, marcan el terreno donde este modelo quiere competir: tareas concretas, mucho volumen y poco margen para gastar.

El paquete de salida refuerza esa lectura. Olala mini llegará a Hugging Face como código abierto, con licencia Apache 2.0, y la empresa promete entregar los pesos, el modelo base preentrenado, el informe técnico y la documentación de cumplimiento de la Ley de Inteligencia Artificial europea. Para una administración pública o una empresa regulada, ese expediente pesa casi tanto como el rendimiento: permite enseñar de dónde salió el modelo y cómo se entrenó.

La versión 1.1 amplía el contexto antes de fin de año

La hoja de ruta ya tiene dos paradas fechadas. La versión 1.1, esperada antes de que cierre 2026, estira la ventana de contexto hasta 128.000 tokens y mejora el razonamiento matemático. La versión 2.0 apunta más lejos: modelos especializados en tres frentes, agentes para empresas que alimentarán OVHai Workspace con una variante cifrada capaz de correr en el puesto de trabajo, versiones para desarrolladores y equipos de operaciones en la nube, y una línea de ciberseguridad con usos defensivos y ofensivos. Esa segunda generación superará los 100.000 millones de parámetros, catorce veces el tamaño del modelo presentado hoy.

Octave Klaba, director ejecutivo de OVHcloud, defendió el movimiento con un argumento de dependencia. Dijo que la compañía no puede apoyarse en la generosidad de ciertos laboratorios que comparten sus modelos en abierto, y añadió un dato de mercado que explica la prisa: el costo de entrenar un modelo se dividió entre 20 en tres años, y con esa caída crear modelos propios ya puede resultar rentable. La frase resume el cambio de época: entrenar dejó de ser un lujo de tres o cuatro laboratorios.

Queda una ausencia que la cobertura especializada francesa ya señaló el mismo día del anuncio: OVHcloud no publicó puntuaciones en las pruebas comparativas habituales ni identificó el modelo contra el que midió las mejoras de Qwant. Sin esas tablas, la comparación con otros modelos abiertos de tamaño parecido queda pendiente hasta que el 19 de noviembre el modelo esté en manos de cualquiera en Hugging Face y las mediciones independientes empiecen a aparecer. OVHcloud atiende a 1,7 millones de clientes en más de 140 países con 46 centros de datos, así que su canal de distribución no es el problema; la nota que falta es la de calidad, y esa la pondrán los que lo descarguen.

Fuente: OVHcloud

La conversación sigue en el foro

Comenta esta noticia, pregunta lo que quieras y comparte tu experiencia con otros lectores en el foro de Tecnología Geek. Participar es gratis: solo necesitas tu cuenta del sitio.

Entrar al foro