欧洲云服务商做大语言模型,真正想卖的往往不只是一个模型。
11月17日,OVHcloud宣布推出首个大语言模型家族Olala,并公布首个成员Olala mini 7A1B。它没有把卖点押在“参数越大越好”上,而是选择了一条更偏向部署效率的路线。该模型总参数为70亿,每次请求激活约10亿参数,采用结合Differential-TPA和Mamba-3的混合注意力机制,使用BF16格式。OVHcloud称,模型可运行在显存不低于8GB的GPU上,在RTX A4500上达到每秒160个词元,即使只使用标准CPU,也能达到每秒50个词元。
模型计划以Apache 2.0许可发布在Hugging Face上。对于一家以数据中心、云计算和托管服务起家的企业来说,这一步的含义并不是简单地“加入模型发布大军”,而是试图把算力、模型、部署和欧洲数据主权连接成一条链。
OVHcloud为什么从云服务走向模型
过去,云厂商在生成式AI产业链中的位置更像卖水人,提供GPU、网络、存储和托管服务,模型则由专门的AI公司训练。Olala mini的出现,意味着OVHcloud开始向上游延伸。它不仅提供运行模型的基础设施,也开始掌握模型本身。
这条路径并不意味着云厂商要在通用能力上正面击败全球头部模型。相反,Olala mini的设计目标更接近“可部署的模型”:较小的激活规模、较低的显存门槛和较高的推理速度,都在服务同一个问题,企业如何以更低的硬件成本,把模型放进自己的应用和数据环境中。
在欧洲市场,这个问题还有额外的合规和主权含义。企业使用外部模型时,数据流向、处理地点、供应商依赖和监管责任都可能成为采购约束。一个由欧洲云服务商训练、托管并提供部署支持的模型,至少在产品叙事上更容易进入本地企业的选择范围。
7A1B的重点不在“7”,而在“1”
Olala mini 7A1B的命名已经把核心思路写在了产品名里。模型总参数约70亿,但每次请求只激活约10亿参数。OVHcloud介绍称,每层包含256个专家,单次请求只使用模型的一部分参数。
这是一种混合专家架构常见的效率思路。总参数规模决定模型能够容纳多少知识和能力,激活参数则更接近单次请求需要付出的计算代价。两者并不完全等价,7B不代表每个请求都要完整计算7B参数,1B也不意味着模型的能力只相当于1B模型。
这种设计的现实价值是降低推理门槛。OVHcloud给出的结果是,模型可在8GB显存的GPU上运行,在RTX A4500上达到每秒160个词元,在标准CPU上达到每秒50个词元。这里需要保留一个边界,这些是厂商公布的特定环境数据,并不是跨硬件、跨任务的统一评测结果。它们能证明模型强调效率,却不能单独判断模型与其他模型的相对优劣。
注意力机制也体现了同样的取舍。Differential-TPA与Mamba-3被组合进混合架构,目标是减少长序列处理中的资源消耗,同时保留对上下文关系的建模能力。官方公布的初始上下文窗口为32,000个词元,这意味着它能够覆盖相当长度的文档和对话,但目前没有足够公开评测证明其在长上下文质量上的表现。
开源权重,是技术发布也是商业入口
OVHcloud计划以Apache 2.0许可在Hugging Face发布模型权重、预训练模型、技术报告和AI Act合规文档。Apache 2.0通常允许更广泛的使用、修改和再分发,这比只提供封闭API更接近“让开发者把模型带走”。
但对于云厂商而言,开放模型并不等于放弃商业化。模型权重越容易被下载,围绕模型的部署、微调、推理加速、监控和合规服务就越容易形成需求。云厂商真正能控制的,往往不是一份权重文件,而是模型从实验环境走向生产环境时需要的整套工具链。
这也是OVHcloud发布Olala的潜在商业逻辑。它可以把自有云上的GPU资源、AI部署平台、数据中心和模型服务绑定起来,为欧洲企业提供一套更完整的选择。模型是入口,云资源才是持续收入的承载体。
不过,开源发布也会把模型直接放到全球开发者的比较台上。开发者会关注模型卡片、训练数据、许可证边界、评测成绩、量化版本以及真实任务中的稳定性。如果这些信息不足,开放权重只能带来“可获得”,还不能自动带来“可采用”。
700万欧元训练成本,暴露了另一面
Olala mini并不是在几台普通服务器上完成的。OVHcloud表示,模型在Jupiter、MeluXina和Jean Zay三台欧洲公共超级计算机上训练,使用了NVIDIA GH200、A100和H100 GPU,相关计算资源折合约700万欧元。
这组信息有两层含义。其一,欧洲并非没有训练先进模型的算力基础,公共超级计算机可以为本土企业提供进入大模型研发的起点。其二,训练成本依然说明,模型竞争不是一场只靠开源代码就能完成的运动。数据清洗、训练工程、评测、安全、推理优化和人才团队,都会把项目推向更高的资金门槛。
因此,OVHcloud的做法更像是公共算力、云基础设施和企业研发能力的一次组合实验。它不一定要在规模上复制美国头部实验室,而是试图证明,欧洲企业可以利用本地公共资源训练出面向实际部署的模型,并把成果反哺到自己的云服务体系。
这也解释了为什么“欧洲”在这条新闻中不是地理标签,而是产品定位的一部分。对于重视数据驻留、监管透明度和供应商多元化的客户,模型的训练地点、部署地点和合规材料,可能与模型本身的排行榜成绩同样重要。
真正的考验在模型发布之后
Olala mini目前最清晰的优势,是低门槛和易部署,而不是已经被充分证明的综合能力。8GB显存让更多开发者可以试用,Apache 2.0让企业更容易进行二次开发,CPU上的推理能力也扩大了部署场景。但这些优势最终能否转化为商业价值,还取决于三个问题。
模型是否足够好用。速度很重要,但企业不会只为每秒多少词元买单。它们还会看指令遵循、工具调用、结构化输出、代码生成、多语言能力和错误率。尤其对于Agent应用,模型需要在长链路任务中保持稳定,单次推理速度只是基础指标。
生态是否能够形成。模型发布后,量化、适配器、推理框架、第三方评测和开发者案例会决定它能否从新闻变成产品。如果Olala只停留在官方仓库,云厂商的模型战略就缺少外部验证;如果它能被搜索、客服、企业知识库和边缘设备持续采用,才可能形成网络效应。
云和模型能否互相导流。OVHcloud需要证明,Olala带来的模型用户会使用它的基础设施,而不是下载权重后转向其他云平台。反过来,云平台客户也要相信,使用Olala不会被锁定在单一供应商中。开放许可能够降低客户的迁移顾虑,却也意味着OVHcloud必须靠服务质量留住客户。
截至目前,官方公告公布了模型的架构、效率和训练条件,但没有在已核实材料中提供足以判断综合能力的完整基准成绩。对开发者而言,这意味着模型值得测试,却还不宜仅凭参数规模和吞吐量下结论。
欧洲需要的不是另一个排行榜冠军
Olala mini 7A1B的意义,可能不在于它能否成为全球头部的7B级模型。它更像一次战略试探,云服务商能否通过开放模型,把基础设施优势延伸到模型和应用层。
如果答案是肯定的,未来的云竞争就不会只比较GPU价格、网络带宽和数据中心数量。模型效率、合规文档、部署工具和开发者生态也会成为客户选择云平台的理由。欧洲云厂商不必完全复制美国公司的全栈路径,也可以围绕主权、效率和私有化部署建立自己的差异化。
如果答案是否定的,Olala仍然会留下一个重要教训。开放权重并不等于开放生态,参数规模也不等于产品竞争力。模型必须进入真实工作流,接受开发者和企业的长期检验。
从这个角度看,OVHcloud此次发布的不是一张终局牌,而是一张基础设施牌。它用一个小而快的模型,试图回答一个大问题,欧洲能否不只购买AI能力,也参与定义AI能力如何被训练、部署和使用。
大模型时代的云厂商,最终卖的不会只是算力。谁能把模型做得足够轻,把部署做得足够稳,把合规做得足够清楚,谁才有机会成为企业AI真正的“水电煤”。






快报