Skip to content

Metis Hybrid Olala: een Europees beslismodel in één dag

Het woordmerk Metis in wit op zwart, met een groene punt op de i, gevolgd door Hybrid Olala in grijs, boven de regel from GreenPT.

OVHcloud bracht Olala mini uit op 19 november. Een dag later trainden we er Metis Hybrid Olala op, een van de weinige beslismodellen op Europese basis.

Je kunt een gekalibreerd beslismodel draaien waarvan het basismodel in Europa is ontworpen en getraind. OVHcloud bracht Olala mini uit op zijn AI Summit op 19 november. Op 20 november trainden we Metis Hybrid Olala erbovenop, en op 21 november stonden de gewichten en de code om ze te draaien openbaar op Hugging Face.

Wat is Metis Hybrid Olala?

Metis Hybrid Olala is een beslismodel: je geeft het een situatie en een vraag met vaste opties, en het geeft in één keer een gekalibreerde kans voor elke optie. Het is gebouwd op Olala mini van OVHcloud en spreekt dezelfde /v1/systemone-API als Jev van TypeSafe, dus clients voor Jev werken zonder aanpassing.

Het hoort bij Metis Hybrid, onze familie van beslismodellen die ook schrijven. “Hybrid” betekent dat één model twee taken doet. Een klein beslisonderdeel leest de interne toestand van het model en kiest een optie, zodat een terugbetalingscheck of een ticketroute terugkomt als getallen die je kunt loggen en waar je een grens op kunt zetten. Hetzelfde model schrijft ook tekst, dus het kan een beslissing uitleggen of een chatbericht beantwoorden.

Eén model, twee taken: het beslisonderdeel kiest, hetzelfde model schrijft

Een echt verzoek aan Metis Hybrid Olala en het antwoord, 21 november 2026

VERZOEKRefunds require a receipt.The customer has no receipt.What should the agent do?refunddeclineEÉN MODELOlala mini + Metis adapter~1 van 6,8 mld. actiefBESLISONDERDEELdecline0,92refund0,08TAALMODELlegt de beslissinguit, of chatModi: decision, both, text

Olala mini is ook hybride, maar in een andere betekenis. OVHcloud bouwde het uit Mamba-3- en attention-lagen met een mixture of experts: 6,8 miljard parameters in totaal, waarvan er ongeveer 1 miljard per token actief zijn. Het is getraind op 12,8 biljoen tokens op drie Europese supercomputers: JUPITER in Duitsland, Jean Zay in Frankrijk en MeluXina in Luxemburg.

Waarom zo weinig beslismodellen Europees zijn

Bijna elk open beslismodel staat op een basismodel uit China of de Verenigde Staten. Op de Decision Index van de community, die beslismodellen op dezelfde hardware test, telden we de basismodellen achter alle 217 inzendingen van ongeveer 10 miljard parameters of minder (stand van 21 november 2026).

  • 138 bouwen op Qwen van Alibaba.
  • De meeste andere bouwen op Amerikaanse modellen, zoals Gemma van Google, de modellen van Liquid AI en de encoders Ettin en ModernBERT.
  • 3 gebruiken een Europees basismodel: StandardOne 3B en 8B van Standard Thinking, en Jevstral 8B, een onafhankelijk project. Alle drie bouwen op Ministral 3 van Mistral.

3 van 217 kleine beslismodellen gebruiken een Europees basismodel

Basismodellen van inzendingen op de Decision Index tot ongeveer 10 miljard parameters, 21 november 2026

138op Qwen van Alibaba76op andere basismodellen, vooral uitde VS3op een Europese basis (Ministral 3van Mistral)+1 Metis Hybrid Olala, op Olala mini vanOVHcloud (nog niet op de index)

Wil je organisatie haar AI-keten in Europa houden, dan is de keuze dus klein. Metis Hybrid Olala is een vierde optie, en voor zover wij weten het eerste beslismodel op Olala.

Eén dag van lancering tot beslismodel

Metis Hybrid Olala kostte één werkdag, omdat het recept al bestond. Het is hetzelfde recept (ronde 2) als voor onze Metis Hybrid 4B, 9B en 27B, met dezelfde data en instellingen. Alleen de delen die het basismodel raken moesten anders.

Van de lancering van Olala tot een openbaar beslismodel in twee dagen

November 2026

19 nov.OVHcloud lanceert Olala mini op zijn AISummit20 nov., een dag laterWe trainen Metis Hybrid Olala: ongeveer4,5 uur op één H20021 nov.Gewichten en code openbaar op HuggingFace

Zo ging 20 november:

  1. Olala mini schreef zelf de chatantwoorden voor onze trainingsmix, via de vLLM-build van OVHcloud, zodat het model in chats zijn eigen stem houdt.
  2. We richtten de adapter op Olala’s eigen lagen: de lineaire lagen van de Mamba-3- en attention-mixers en de projecties rond de experts. Olala’s chatformaat werkt met kanalen, dus beslisprompts openen direct het antwoordkanaal en krijgen een korte systeemprompt in plaats van Olala’s standaardprompt van ongeveer 700 tokens.
  3. Fase 1 trainde op 136.269 rijen in twee epochs, in 224 minuten op één H200-GPU.
  4. Fase 2 trainde op 42.391 rijen met moeilijke taken die met code zijn gebouwd plus een herhaling van fase 1, in één epoch, in 45 minuten.
  5. We pasten de kalibrator per invoer aan op onze eigen evaluatiesets, nooit op JevBench.

Dat is in totaal ongeveer 4,5 uur GPU-training. Aan het eind van de dag stond het model in onze organisatie op Hugging Face.

Hoe het scoort

Op de 231 openbare vragen van JevBench (versie 1.2) beantwoordt Metis Hybrid Olala er 169 goed, dezelfde score als op de modelkaart. Daarmee staat het gelijk met StandardOne 3B en Jevstral 8B, terwijl het per token een derde of minder van hun parameters gebruikt. We hebben op geen van deze vragen getraind.

We lieten elk beslismodel op Europese basis dezelfde vragen beantwoorden, elk zoals de modelkaart voorschrijft:

Model Basismodel Parameters per token Goed van 231 Moeilijk (111)
Metis Hybrid Olala Olala mini (OVHcloud) ongeveer 1 mld. 169 62
StandardOne 8B Ministral 3 (Mistral) 8,4 mld. 182 63
StandardOne 3B Ministral 3 (Mistral) 3,4 mld. 165 51
Jevstral 8B Ministral 3 (Mistral) 8,4 mld. 161 56

De kaarten van StandardOne melden zelf 182 en 166, dus onze runs komen overeen met wat de makers publiceerden. Jevstral kan de 18 vragen met een schaal niet beantwoorden; die tellen als fout.

Gelijk aan StandardOne 3B en Jevstral 8B met ongeveer 1 miljard parameters per token

JevBench openbaar, 231 vragen, onze runs. De verticale as begint bij 155.

Goed van 23118517516515502468Parameters per token (miljard)StandardOne 3B165 · 3,4 mld.Jevstral 8B161 · 8,4 mld.StandardOne 8B182 · 8,4 mld.Metis Hybrid Olala169 · ongeveer 1 mld.

Drie dingen vallen op:

  • Gelijk aan modellen die drie tot acht keer zo groot zijn. Onze gepaarde test vindt geen meetbaar verschil tussen Metis Hybrid Olala en StandardOne 3B of Jevstral 8B.
  • Sterk op de moeilijke vragen. Op de 111 moeilijke vragen evenaart het StandardOne 8B (62 tegen 63). De voorsprong van StandardOne 8B komt helemaal uit de categorie “original”, waar het er 71 van de 72 goed heeft en wij 59.
  • Beslist op ja/nee-vragen. JevBench v1.6 telt een ja/nee-antwoord alleen als het model minstens 80% zeker is van de goede kant. Metis Hybrid Olala haalt die grens op 60,5% van de moeilijke ja/nee-vragen. StandardOne 8B haalt hem op 39,5%, Jevstral 8B op 28,9% en StandardOne 3B op 15,8%.

Ter vergelijking: Jev van TypeSafe, een gesloten Amerikaans model, beantwoordde in onze test 205 van deze vragen goed, en onze eigen Metis Hybrid 4B op Qwen-basis 195. Op deze benchmark kost de Europese basis ons 26 vragen. We verwachten dat dat verschil kleiner wordt naarmate Europese basismodellen groeien.

Wat we moeten verbeteren

Twee getallen laten zien waar het werk zit.

Kalibratie. Op de moeilijke vragen wijkt de opgegeven zekerheid gemiddeld 0,147 af van de echte nauwkeurigheid (de expected calibration error). Ons eigen doel is 0,10, en StandardOne 8B haalt 0,089.

Snelheid. Olala mini gebruikt ongeveer 1 miljard parameters per token, dus elke beslissing zou goedkoop moeten zijn. In onze test was het niet snel: op dezelfde H200-GPU kostte een beslissing een mediaan van 177 ms, tegen 23 ms voor StandardOne 3B, 29 ms voor StandardOne 8B en 61 ms voor Jevstral 8B. De grootte is het probleem niet: het draait via gewone transformers met Olala’s eigen modelcode, terwijl StandardOne op de geoptimaliseerde kernels van SGLang draait. De vLLM-build van OVHcloud serveert Olala voor chat, maar niet met een beslisonderdeel, en juist zo’n serveerroute zou elke beslissing goedkoper maken.

OVHcloud plant Olala v1.1 voor eind 2026, met een context van 128.000 tokens. Een langere context zou moeten helpen bij de vragen over lange beleidsteksten, waar elk model in onze test moeite mee heeft.

Probeer het

Het model, zijn beslisonderdeel, zijn kalibrator en de laadcode staan allemaal in GreenPT/metis-hybrid-olala-v1.0-mini. We testten beide manieren om het te gebruiken vanaf een schone machine zonder token voor Hugging Face. Draai het in de image ovhaillm/olala-ai-training:20261117 van OVHcloud, die de gecompileerde kernels heeft die Olala nodig heeft. De image start offline, dus zet HF_HUB_OFFLINE voordat je huggingface_hub importeert:

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?"}}})

De modelkaart heeft ook de stappen om het als HTTP-server te draaien. Over de andere Metis-modellen lees je meer in Maak kennis met Metis en Maak kennis met Metis Hybrid. Wil je een Europees beslismodel in je eigen product gebruiken? Neem contact op.

Veelgestelde vragen

Wat is een beslismodel?

Een beslismodel leest een situatie en een vraag met vaste opties, en geeft in één keer een kans voor elke optie. Voor de beslissing schrijft het geen tekst, dus het is snel en de antwoorden zijn makkelijk te controleren en te loggen.

Wat betekent "Hybrid" in Metis Hybrid?

Eén model doet twee taken. Een beslisonderdeel kiest een optie en geeft gekalibreerde kansen, en hetzelfde model schrijft ook tekst, dus het kan een beslissing uitleggen of een chatbericht beantwoorden. Olala mini heet om een andere reden hybride: het combineert Mamba-3- en attention-lagen.

Is Metis Hybrid Olala helemaal Europees?

Het basismodel, Olala mini, is in Frankrijk ontworpen door OVHcloud en vanaf nul getraind op de supercomputers JUPITER, Jean Zay en MeluXina. Zoals veel modellen gebruikt Olala een bestaande tokenizer (die van Qwen), wat het NOTICE-bestand vermeldt. De beslistraining is van ons.

Hoe verhoudt het zich tot Jev en Metis Hybrid 4B?

Jev van TypeSafe, een gesloten Amerikaans model, beantwoordde in onze test 205 van dezelfde 231 JevBench-vragen goed. Onze Metis Hybrid 4B op Qwen-basis haalde er 195. Metis Hybrid Olala haalde er 169.

Hoe draai ik het?

Download GreenPT/metis-hybrid-olala-v1.0-mini van Hugging Face. De laadcode en een /v1/systemone-server zitten in de repository. Draai het in de Olala-image van OVHcloud, die de gecompileerde kernels heeft die Olala nodig heeft. De modelkaart heeft geteste stappen.

Welke licentie heeft het?

De adapter bouwt op Olala mini, dat Apache-2.0 is. De trainingsdata bevat datasets met eigen voorwaarden, zoals de Yelp-reviews, dus lees de modelkaart voordat je het voor meer dan evaluatie gebruikt.

Terug naar alle artikelen