Investigación
Metis Hybrid Olala: un modelo de decisión europeo en un día

OVHcloud lanzó Olala mini el 19 de noviembre. Un día después ya habíamos entrenado Metis Hybrid Olala sobre él: un modelo de decisión con base europea.
Puedes ejecutar un modelo de decisión calibrado cuyo modelo base se diseñó y entrenó en Europa. OVHcloud lanzó Olala mini en su AI Summit del 19 de noviembre. El 20 de noviembre entrenamos Metis Hybrid Olala sobre él, y el 21 de noviembre los pesos y el código para usarlos ya eran públicos en Hugging Face.
Qué es Metis Hybrid Olala
Metis Hybrid Olala es un modelo de decisión: le das una situación y una pregunta con opciones fijas, y devuelve en una sola pasada una probabilidad calibrada para cada opción. Se basa en Olala mini de OVHcloud y habla la misma API /v1/systemone que Jev, de TypeSafe, así que los clientes de Jev funcionan sin cambios.
Se suma a Metis Hybrid, nuestra familia de modelos de decisión que también escriben. «Hybrid» quiere decir que un solo modelo hace dos tareas. Un pequeño cabezal de decisión lee el estado interno del modelo y elige una opción, de modo que una comprobación de reembolso o el reparto de un ticket vuelve como números que puedes registrar y a los que puedes poner un umbral. El mismo modelo también escribe texto, así que puede explicar una decisión o responder a un mensaje.
Un modelo, dos tareas: el cabezal de decisión elige y el mismo modelo escribe
Una solicitud real a Metis Hybrid Olala y su respuesta, 21 de noviembre de 2026
Olala mini también es híbrido, pero en otro sentido. OVHcloud lo construyó con capas Mamba-3 y capas de atención con una mezcla de expertos: 6800 millones de parámetros en total, de los que unos 1000 millones están activos por token. Se entrenó con 12,8 billones de tokens en tres superordenadores europeos: JUPITER en Alemania, Jean Zay en Francia y MeluXina en Luxemburgo.
Por qué hay tan pocos modelos de decisión europeos
Casi todos los modelos de decisión abiertos se basan en un modelo de China o de Estados Unidos. En el Decision Index de la comunidad, que prueba modelos de decisión en el mismo hardware, contamos los modelos base detrás de las 217 entradas de unos 10.000 millones de parámetros o menos (datos del 21 de noviembre de 2026).
- 138 se basan en Qwen, de Alibaba.
- La mayoría de los demás se basan en modelos estadounidenses, como Gemma de Google, los modelos de Liquid AI y los codificadores Ettin y ModernBERT.
- 3 usan un modelo base europeo: StandardOne 3B y 8B, de Standard Thinking, y Jevstral 8B, un proyecto independiente. Los tres se basan en Ministral 3, de Mistral.
3 de 217 modelos de decisión pequeños usan una base europea
Modelos base de las entradas del Decision Index de hasta unos 10.000 millones de parámetros, 21 de noviembre de 2026
Si tu organización quiere mantener su cadena de IA en Europa, hay poco donde elegir. Metis Hybrid Olala añade una cuarta opción y, que sepamos, es el primer modelo de decisión construido sobre Olala.
Un día del lanzamiento al modelo de decisión
Metis Hybrid Olala llevó una jornada de trabajo porque la receta ya existía. Es la misma receta (segunda ronda) que la de nuestros Metis Hybrid 4B, 9B y 27B, con los mismos datos y ajustes. Solo cambiaron las partes que tocan el modelo base.
Del lanzamiento de Olala a un modelo de decisión público en dos días
Noviembre de 2026
Así fue el 20 de noviembre:
- Olala mini escribió las respuestas de chat de nuestra mezcla de entrenamiento, con la versión de vLLM de OVHcloud, para que el modelo conserve su propia voz al conversar.
- Dirigimos el adaptador a las capas propias de Olala: las capas lineales de sus mezcladores Mamba-3 y de atención, y las proyecciones alrededor de sus expertos. El formato de chat de Olala usa canales, así que los prompts de decisión abren directamente el canal de respuesta y llevan un prompt de sistema corto en lugar del de Olala, de unos 700 tokens.
- La fase 1 entrenó con 136.269 filas en dos épocas, en 224 minutos en una GPU H200.
- La fase 2 entrenó con 42.391 filas de tareas difíciles generadas con código más una repetición de la fase 1, en una época, en 45 minutos.
- Ajustamos el calibrador por entrada con nuestros propios conjuntos de evaluación, nunca con JevBench.
En total son unas 4,5 horas de entrenamiento en GPU. Al final del día, el modelo ya estaba en nuestra organización de Hugging Face.
Cómo puntúa
De las 231 preguntas públicas de JevBench (versión 1.2), Metis Hybrid Olala acierta 169, la misma cifra que figura en su ficha. Eso lo pone al nivel de StandardOne 3B y Jevstral 8B, aunque usa por token un tercio o menos de sus parámetros. No entrenamos con ninguna de estas preguntas.
Pasamos las mismas preguntas a cada modelo de decisión con base europea, cada uno servido como indica su ficha:
| Modelo | Modelo base | Parámetros por token | Aciertos de 231 | Difíciles (111) |
|---|---|---|---|---|
| Metis Hybrid Olala | Olala mini (OVHcloud) | unos 1000 M | 169 | 62 |
| StandardOne 8B | Ministral 3 (Mistral) | 8400 M | 182 | 63 |
| StandardOne 3B | Ministral 3 (Mistral) | 3400 M | 165 | 51 |
| Jevstral 8B | Ministral 3 (Mistral) | 8400 M | 161 | 56 |
Las fichas de StandardOne indican 182 y 166, así que nuestras pruebas coinciden con lo que publicaron sus autores. Jevstral no puede responder a las 18 preguntas con escala de puntuación, que cuentan como fallos.
Al nivel de StandardOne 3B y Jevstral 8B con unos 1000 millones de parámetros por token
JevBench público, 231 preguntas, nuestras pruebas. El eje vertical empieza en 155.
Destacan tres cosas:
- Al nivel de modelos de tres a ocho veces su tamaño activo. Nuestra prueba pareada no encuentra ninguna diferencia medible entre Metis Hybrid Olala y StandardOne 3B o Jevstral 8B.
- Fuerte en las preguntas difíciles. En las 111 preguntas difíciles iguala a StandardOne 8B (62 frente a 63). La ventaja de StandardOne 8B viene toda del nivel «original», donde acierta 71 de 72 y nosotros 59.
- Decidido en las preguntas de sí o no. JevBench v1.6 solo cuenta una respuesta de sí o no si el modelo está seguro al menos al 80 % del lado correcto. Metis Hybrid Olala supera ese umbral en el 60,5 % de las preguntas difíciles de sí o no. StandardOne 8B lo supera en el 39,5 %, Jevstral 8B en el 28,9 % y StandardOne 3B en el 15,8 %.
Como referencia: Jev, de TypeSafe, un modelo estadounidense cerrado, acertó 205 de estas preguntas en nuestra prueba, y nuestro propio Metis Hybrid 4B con base Qwen, 195. En este benchmark, la base europea nos cuesta 26 preguntas. Esperamos que esa diferencia se reduzca a medida que crezcan los modelos base europeos.
Lo que tenemos que mejorar
Dos cifras muestran dónde está el trabajo.
Calibración. En las preguntas difíciles, la seguridad que declara se aleja de media 0,147 de su precisión real (el error de calibración esperado). Nuestro objetivo es 0,10, y StandardOne 8B llega a 0,089.
Velocidad. Olala mini usa unos 1000 millones de parámetros por token, así que cada decisión debería ser barata. En nuestra prueba no fue rápido: en la misma GPU H200, una decisión tardaba una mediana de 177 ms, frente a 23 ms de StandardOne 3B, 29 ms de StandardOne 8B y 61 ms de Jevstral 8B. El tamaño no es el problema: funciona con transformers y el código de modelo propio de Olala, mientras que StandardOne funciona con los kernels optimizados de SGLang. La versión de vLLM de OVHcloud sirve Olala para chat, pero no con un cabezal de decisión, y esa vía de servicio es lo que abarataría cada decisión.
OVHcloud prevé Olala v1.1 para finales de 2026, con un contexto de 128.000 tokens. Un contexto más largo debería ayudar en las preguntas sobre normativas largas, en las que todos los modelos de nuestra prueba tienen dificultades.
Pruébalo
El modelo, su cabezal de decisión, su calibrador y el código de carga están en GreenPT/metis-hybrid-olala-v1.0-mini. Probamos las dos formas de usarlo desde una máquina limpia, sin token de Hugging Face. Ejecútalo dentro de la imagen ovhaillm/olala-ai-training:20261117 de OVHcloud, que trae los kernels compilados que Olala necesita. La imagen arranca sin conexión, así que define HF_HUB_OFFLINE antes de importar 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 ficha del modelo también explica cómo ejecutarlo como servidor HTTP. Sobre los demás modelos Metis, lee Metis y Metis Hybrid. ¿Quieres usar un modelo de decisión europeo en tu propio producto? Escríbenos.
Preguntas frecuentes
¿Qué es un modelo de decisión?
Un modelo de decisión lee una situación y una pregunta con opciones fijas, y devuelve en una sola pasada una probabilidad para cada opción. Para decidir no escribe texto, así que es rápido y sus respuestas son fáciles de comprobar y registrar.
¿Qué significa «Hybrid» en Metis Hybrid?
Un solo modelo hace dos tareas. Un cabezal de decisión elige una opción y devuelve probabilidades calibradas, y el mismo modelo también escribe texto, así que puede explicar una decisión o responder a un mensaje. Olala mini se llama híbrido por otro motivo: combina capas Mamba-3 y capas de atención.
¿Metis Hybrid Olala es europeo por completo?
Su modelo base, Olala mini, lo diseñó OVHcloud en Francia y lo entrenó desde cero en los superordenadores JUPITER, Jean Zay y MeluXina. Como muchos modelos, Olala reutiliza un tokenizador existente (el de Qwen), algo que su archivo NOTICE indica. El entrenamiento para decidir es nuestro.
¿Cómo se compara con Jev y Metis Hybrid 4B?
Jev, de TypeSafe, un modelo estadounidense cerrado, acertó 205 de las mismas 231 preguntas de JevBench en nuestra prueba. Nuestro Metis Hybrid 4B con base Qwen acertó 195. Metis Hybrid Olala acertó 169.
¿Cómo lo ejecuto?
Descarga GreenPT/metis-hybrid-olala-v1.0-mini de Hugging Face. El código de carga y un servidor /v1/systemone vienen en el repositorio. Ejecútalo dentro de la imagen de Olala de OVHcloud, que trae los kernels compilados que Olala necesita. La ficha del modelo tiene los pasos probados.
¿Qué licencia tiene?
El adaptador se basa en Olala mini, que tiene licencia Apache-2.0. Los datos de entrenamiento incluyen conjuntos con sus propias condiciones, como las reseñas de Yelp, así que revisa la ficha del modelo antes de usarlo para algo más que evaluarlo.



