Recherche
Metis Hybrid Olala : modèle de décision européen en un jour

OVHcloud a lancé Olala mini le 19 novembre. Un jour plus tard, nous entraînions Metis Hybrid Olala dessus, un rare modèle de décision à base européenne.
Tu peux faire tourner un modèle de décision calibré dont le modèle de base a été conçu et entraîné en Europe. OVHcloud a lancé Olala mini lors de son AI Summit du 19 novembre. Le 20 novembre, nous avons entraîné Metis Hybrid Olala dessus, et le 21 novembre les poids et le code pour les utiliser étaient publics sur Hugging Face.
Qu’est-ce que Metis Hybrid Olala ?
Metis Hybrid Olala est un modèle de décision : tu lui donnes une situation et une question avec des options fixes, et il renvoie en une seule passe une probabilité calibrée pour chaque option. Il repose sur Olala mini d’OVHcloud et parle la même API /v1/systemone que Jev de TypeSafe, donc les clients de Jev fonctionnent sans changement.
Il rejoint Metis Hybrid, notre famille de modèles de décision qui écrivent aussi. « Hybrid » veut dire qu’un seul modèle fait deux tâches. Une petite tête de décision lit l’état interne du modèle et choisit une option, si bien qu’une vérification de remboursement ou un routage de ticket revient sous forme de nombres que tu peux journaliser et seuiller. Le même modèle écrit aussi du texte : il peut expliquer une décision ou répondre à un message.
Un modèle, deux tâches : la tête de décision choisit, le même modèle écrit
Une vraie requête à Metis Hybrid Olala et sa réponse, 21 novembre 2026
Olala mini est hybride lui aussi, mais dans un autre sens. OVHcloud l’a construit à partir de couches Mamba-3 et de couches d’attention avec un mélange d’experts : 6,8 milliards de paramètres au total, dont environ 1 milliard actifs par token. Il a été entraîné sur 12 800 milliards de tokens sur trois supercalculateurs européens : JUPITER en Allemagne, Jean Zay en France et MeluXina au Luxembourg.
Pourquoi si peu de modèles de décision sont européens
Presque tous les modèles de décision ouverts reposent sur un modèle de base chinois ou américain. Sur le Decision Index de la communauté, qui teste les modèles de décision sur le même matériel, nous avons compté les modèles de base derrière les 217 entrées d’environ 10 milliards de paramètres ou moins (données du 21 novembre 2026).
- 138 reposent sur Qwen d’Alibaba.
- La plupart des autres reposent sur des modèles américains, comme Gemma de Google, les modèles de Liquid AI et les encodeurs Ettin et ModernBERT.
- 3 utilisent un modèle de base européen : StandardOne 3B et 8B de Standard Thinking, et Jevstral 8B, un projet indépendant. Tous trois reposent sur Ministral 3 de Mistral.
3 des 217 petits modèles de décision utilisent une base européenne
Modèles de base des entrées du Decision Index jusqu’à environ 10 milliards de paramètres, 21 novembre 2026
Si ton organisation veut garder sa chaîne d’IA en Europe, le choix est donc mince. Metis Hybrid Olala ajoute une quatrième option, et à notre connaissance c’est le premier modèle de décision construit sur Olala.
Un jour entre le lancement et le modèle de décision
Metis Hybrid Olala a pris une journée de travail, parce que la recette existait déjà. C’est la même recette (deuxième tour) que pour nos Metis Hybrid 4B, 9B et 27B, avec les mêmes données et les mêmes réglages. Seules les parties qui touchent le modèle de base ont dû changer.
Du lancement d’Olala à un modèle de décision public en deux jours
Novembre 2026
Voici comment s’est passé le 20 novembre :
- Olala mini a écrit lui-même les réponses de chat de notre mélange d’entraînement, via la version vLLM d’OVHcloud, pour que le modèle garde sa propre voix en conversation.
- Nous avons dirigé l’adaptateur vers les couches propres à Olala : les couches linéaires de ses mélangeurs Mamba-3 et d’attention, et les projections autour de ses experts. Le format de chat d’Olala utilise des canaux, donc les prompts de décision ouvrent directement le canal de réponse et reçoivent un prompt système court au lieu du prompt par défaut d’Olala, d’environ 700 tokens.
- La phase 1 s’est entraînée sur 136 269 lignes en deux époques, en 224 minutes sur un GPU H200.
- La phase 2 s’est entraînée sur 42 391 lignes de tâches difficiles générées par du code, plus une reprise de la phase 1, en une époque, en 45 minutes.
- Nous avons ajusté le calibreur par entrée sur nos propres jeux d’évaluation, jamais sur JevBench.
Cela fait environ 4,5 heures d’entraînement GPU au total. Le soir même, le modèle était dans notre organisation sur Hugging Face.
Ses résultats
Sur les 231 questions publiques de JevBench (version 1.2), Metis Hybrid Olala répond juste à 169, le même score que sur sa fiche. Il se place ainsi à égalité avec StandardOne 3B et Jevstral 8B, alors qu’il utilise par token un tiers ou moins de leurs paramètres. Nous ne nous sommes entraînés sur aucune de ces questions.
Nous avons soumis les mêmes questions à chaque modèle de décision à base européenne, chacun servi comme sa fiche l’indique :
| Modèle | Modèle de base | Paramètres par token | Justes sur 231 | Difficiles (111) |
|---|---|---|---|---|
| Metis Hybrid Olala | Olala mini (OVHcloud) | environ 1 Md | 169 | 62 |
| StandardOne 8B | Ministral 3 (Mistral) | 8,4 Md | 182 | 63 |
| StandardOne 3B | Ministral 3 (Mistral) | 3,4 Md | 165 | 51 |
| Jevstral 8B | Ministral 3 (Mistral) | 8,4 Md | 161 | 56 |
Les fiches de StandardOne annoncent elles-mêmes 182 et 166, donc nos essais correspondent à ce que leurs auteurs ont publié. Jevstral ne sait pas répondre aux 18 questions à échelle de notation, qui comptent comme fausses.
À égalité avec StandardOne 3B et Jevstral 8B avec environ 1 milliard de paramètres par token
JevBench public, 231 questions, nos essais. L’axe vertical commence à 155.
Trois choses ressortent :
- À égalité avec des modèles trois à huit fois plus grands. Notre test apparié ne trouve aucune différence mesurable entre Metis Hybrid Olala et StandardOne 3B ou Jevstral 8B.
- Solide sur les questions difficiles. Sur les 111 questions difficiles, il égale StandardOne 8B (62 contre 63). L’avance de StandardOne 8B vient entièrement du niveau « original », où il en réussit 71 sur 72 et nous 59.
- Tranché sur les questions oui/non. JevBench v1.6 ne compte une réponse oui/non que si le modèle est sûr à au moins 80 % du bon côté. Metis Hybrid Olala franchit ce seuil sur 60,5 % des questions oui/non difficiles. StandardOne 8B le franchit sur 39,5 %, Jevstral 8B sur 28,9 % et StandardOne 3B sur 15,8 %.
Pour situer : Jev de TypeSafe, un modèle américain fermé, a répondu juste à 205 de ces questions lors de notre test, et notre propre Metis Hybrid 4B sur base Qwen à 195. Sur ce benchmark, la base européenne nous coûte 26 questions. Nous nous attendons à ce que l’écart se réduise à mesure que les modèles de base européens grandissent.
Ce que nous devons améliorer
Deux chiffres montrent où se trouve le travail.
Le calibrage. Sur les questions difficiles, la confiance annoncée s’écarte en moyenne de 0,147 de la précision réelle (l’erreur de calibrage attendue). Notre propre objectif est 0,10, et StandardOne 8B atteint 0,089.
La vitesse. Olala mini utilise environ 1 milliard de paramètres par token, donc chaque décision devrait coûter peu. Dans notre test, il n’était pas rapide : sur le même GPU H200, une décision prenait 177 ms en médiane, contre 23 ms pour StandardOne 3B, 29 ms pour StandardOne 8B et 61 ms pour Jevstral 8B. La taille n’est pas le problème : il tourne avec transformers et le code de modèle propre à Olala, alors que StandardOne tourne sur les noyaux optimisés de SGLang. La version vLLM d’OVHcloud sert Olala pour le chat, mais pas avec une tête de décision, et c’est ce chemin de service qui rendrait chaque décision moins chère.
OVHcloud prévoit Olala v1.1 pour fin 2026, avec un contexte de 128 000 tokens. Un contexte plus long devrait aider sur les questions portant sur de longs règlements, où chaque modèle de notre test peine.
Essaie-le
Le modèle, sa tête de décision, son calibreur et le code de chargement sont tous dans GreenPT/metis-hybrid-olala-v1.0-mini. Nous avons testé les deux façons de l’utiliser depuis une machine vierge, sans token Hugging Face. Fais-le tourner dans l’image ovhaillm/olala-ai-training:20261117 d’OVHcloud, qui contient les noyaux compilés dont Olala a besoin. L’image démarre hors ligne : définis HF_HUB_OFFLINE avant d’importer huggingface_hub :
import os, sys
os.environ["HF_HUB_OFFLINE"] = "0"
os.environ["IDV2_BACKBONE_REVISION"] = "0fde460f37d0fe2c390619bb5729c9d81dc89091"
from huggingface_hub import snapshot_download
path = snapshot_download("GreenPT/metis-hybrid-olala-v1.0-mini")
sys.path.insert(0, path)
from integrated_decisions_v2 import DecisionLM
model = DecisionLM.from_pretrained("OVHaiLLM/Olala-v1.0-mini-7A1B").to("cuda").eval()
model.load(path)
model.systemone({"state": "Refunds require a receipt. The customer has no receipt.",
"questions": {"refund": {"type": "noul", "instructions": "Is a refund allowed?"}}})
La fiche du modèle donne aussi les étapes pour le faire tourner comme serveur HTTP. Pour les autres modèles Metis, lis Voici Metis et Voici Metis Hybrid. Tu veux utiliser un modèle de décision européen dans ton propre produit ? Écris-nous.
Questions fréquentes
Qu’est-ce qu’un modèle de décision ?
Un modèle de décision lit une situation et une question avec des options fixes, puis renvoie une probabilité pour chaque option en une seule passe. Il n’écrit aucun texte pour décider, donc il est rapide et ses réponses sont faciles à vérifier et à journaliser.
Que veut dire « Hybrid » dans Metis Hybrid ?
Un seul modèle fait deux tâches. Une tête de décision choisit une option et renvoie des probabilités calibrées, et le même modèle écrit aussi du texte : il peut expliquer une décision ou répondre à un message. Olala mini est dit hybride pour une autre raison : il mélange des couches Mamba-3 et des couches d’attention.
Metis Hybrid Olala est-il entièrement européen ?
Son modèle de base, Olala mini, a été conçu en France par OVHcloud et entraîné de zéro sur les supercalculateurs JUPITER, Jean Zay et MeluXina. Comme beaucoup de modèles, Olala réutilise un tokenizer existant (celui de Qwen), ce que mentionne son fichier NOTICE. L’entraînement à la décision est le nôtre.
Comment se compare-t-il à Jev et à Metis Hybrid 4B ?
Jev de TypeSafe, un modèle américain fermé, a répondu juste à 205 des mêmes 231 questions JevBench lors de notre test. Notre Metis Hybrid 4B sur base Qwen en a eu 195. Metis Hybrid Olala en a eu 169.
Comment le faire tourner ?
Télécharge GreenPT/metis-hybrid-olala-v1.0-mini depuis Hugging Face. Le code de chargement et un serveur /v1/systemone sont dans le dépôt. Fais-le tourner dans l’image Olala d’OVHcloud, qui contient les noyaux compilés dont Olala a besoin. La fiche du modèle donne des étapes testées.
Quelle est sa licence ?
L’adaptateur repose sur Olala mini, sous licence Apache-2.0. Les données d’entraînement incluent des jeux de données avec leurs propres conditions, comme les avis Yelp : lis la fiche du modèle avant de l’utiliser au-delà de l’évaluation.



