
AI Factories, EuroHPC: el dinero público detrás de Olala
Olala, el LLM de OVH, se entrenó en superordenadores públicos. EuroHPC, AI Factories, GENCI: quién pagó, cuánto y cómo puede acceder a ellos una pyme europea.
El 19 de noviembre de 2026, OVH publicó los pesos de Olala mini, su primer LLM, junto con un informe técnico cuyos agradecimientos cuentan quién pagó el cálculo. El preentrenamiento se hizo en JUPITER, el superordenador europeo de EuroHPC, en el marco de un concurso financiado por la Unión Europea; el ajuste fino, en Jean Zay, el superordenador público francés; parte del trabajo sobre agentes, en MeluXina, en Luxemburgo, con créditos de las AI Factories de EuroHPC. OVH cifra este apoyo en el equivalente a 7 M€ en horas de cálculo.
Dicho de otro modo, el cálculo de Olala es casi enteramente público. El coste total del modelo, en cambio, no se ha publicado: no se puede decir qué parte pagó el dinero público, solo que es una parte importante.
No hay nada anormal en ello: estas vías se crearon para que actores europeos entrenen modelos. La mayoría están abiertas también a las pymes y a las start-ups europeas, a menudo gratis y con condiciones, y Olala muestra de forma muy concreta cómo funcionan.
¿Cómo financió el dinero público a Olala?
Olala se entrenó en tres etapas, cada una en una máquina pública distinta y a través de una vía distinta. El informe técnico las detalla:
| Etapa | Máquina pública | Vía | País |
|---|---|---|---|
| Preentrenamiento (12,8 billones de tokens) | JUPITER, 1.024 GPU GH200 | Large AI Grand Challenge, acceso asignado por EuroHPC | Alemania |
| Ajuste fino supervisado, aprendizaje por refuerzo | Jean Zay, GPU H100 | Asignación de GENCI | Francia |
| Parte de la investigación sobre agentes | MeluXina | Créditos de las AI Factories de EuroHPC | Luxemburgo |
El preentrenamiento: JUPITER y el Large AI Grand Challenge
El preentrenamiento es la etapa más pesada: el modelo lee 12,8 billones de tokens para aprender el idioma. Se ejecutó en 1.024 GPU GH200 de JUPITER, el superordenador exaescala inaugurado en septiembre de 2025 en Jülich. JUPITER cuenta con unos 24.000 chips GH200 de Nvidia; pertenece a EuroHPC, que pagó la mitad, mientras que la otra mitad procede a partes iguales del Ministerio Federal alemán de Investigación y del estado federado de Renania del Norte-Westfalia. The Register cifra su coste en 500 M€, seis años de explotación incluidos.
El acceso llegó a través de un concurso. Según el informe, «a major part of this work», una gran parte del trabajo, se llevó a cabo en el marco del Large AI Grand Challenge, organizado por el proyecto AI-BOOST con EuroHPC y financiado por la Unión Europea. AI-BOOST es un proyecto de Horizonte Europa dotado con casi 4 M€ de fondos europeos. Lanzado en noviembre de 2023, el concurso designó en junio de 2024 a cuatro ganadores, que se repartieron 1 M€ en premios y 8 millones de horas de cálculo, con doce meses para desarrollar su modelo. Entre ellos estaba Lingua Custodia, una start-up parisina especializada en finanzas, hoy Dragon LLM. ActuIA, medio francés especializado en IA, le atribuye 3,2 millones de horas en Leonardo y Jupiter.
OVH compró después Dragon LLM, en marzo de 2026, para fundar su laboratorio de IA. La entrada a JUPITER la ganó, por tanto, una start-up, y pasó a OVH con ella.
El ajuste fino: Jean Zay y GENCI
Tras el preentrenamiento, el modelo aprende a seguir instrucciones (ajuste fino supervisado) y después a razonar mejor (aprendizaje por refuerzo). Según el informe, la mayor parte del ajuste fino se hizo en Jean Zay, el superordenador que GENCI pone a disposición en el IDRIS, el centro de cálculo del CNRS, el gran organismo público de investigación francés, que lo explota. Una pasada de ajuste fino duró unas 25 horas en 128 GPU H100, y el aprendizaje por refuerzo utilizó hasta 64 nodos de cuatro GPU. El informe menciona además «a smaller DGX cluster», un clúster DGX más pequeño: es el único cálculo no público citado.
GENCI abre sus máquinas a las empresas, de la start-up al gran grupo, gratis para proyectos de investigación abierta, a condición de publicar los resultados. Las solicitudes se presentan en dos convocatorias al año.
Los agentes: MeluXina y las AI Factories
Última vía, más modesta: créditos de GPU en MeluXina, el superordenador luxemburgués, sirvieron para parte de la investigación sobre agentes. El código del proyecto empieza por EHPC-AIF, lo que remite con toda probabilidad a las convocatorias de las AI Factories de EuroHPC. MeluXina alberga la AI Factory de Luxemburgo, en servicio desde abril de 2025 y orientada a las start-ups y a las pymes.
¿Qué parte del coste de Olala pagó el dinero público?
No se puede calcular, por falta de datos. Los 7 M€ anunciados por OVH son un valor de tiempo de cálculo, no una cantidad abonada, y el coste total de Olala no se ha publicado. Los salarios, la otra gran partida, corren a cargo de OVH, que cuenta con «algo menos de un centenar de personas» (traducción propia) dedicadas a la IA, todos los proyectos incluidos, y no capta fondos para esta estrategia.
Los órdenes de magnitud, en cambio, cuadran. Al precio público de una GPU H100 en OVHcloud, 2,80 € sin IVA por hora, 7 M€ corresponden a unos 2,5 millones de horas de GPU, del mismo orden que los 3,2 millones de horas atribuidas a Dragon LLM según ActuIA.
Lo que sorprende es el poco peso de la pasada final. Nuestra estimación: un modelo de mil millones de parámetros activos que lee 12,8 billones de tokens requiere unas 7,7 × 10²² operaciones, es decir, de 70.000 a 140.000 horas de GPU al rendimiento que el informe mide en sus GPU. Eso representa unos cientos de miles de euros a precio de mercado. La mayor parte de las horas públicas sirvió, por tanto, para investigar, no para entrenar el modelo final: los numerosos experimentos previos que describe el informe, el ajuste fino y el aprendizaje por refuerzo. Así se fabrica un modelo, y es, a nuestro juicio, la parte más difícil de financiar para una start-up.
En este primer modelo, creemos que la parte pública pesa tanto como la privada, o incluso más. No se puede demostrar mientras OVH no publique sus costes.
¿Qué es EuroHPC?
EuroHPC es la empresa común europea que compra y cofinancia los grandes superordenadores de la Unión, junto con los Estados que los albergan. JUPITER es el ejemplo: propiedad de EuroHPC, pagado a medias por la empresa común y por Alemania. Estas máquinas no se alquilan como una nube: su tiempo de cálculo se obtiene sobre todo presentando un expediente, en convocatorias «open to all users», abiertas tanto a investigadores como a empresas. Es gratuito para la investigación y para las pymes innovadoras, y de pago por uso para las demás empresas.
El presupuesto acompaña. En febrero de 2025, la Comisión lanzó InvestAI, que aspira a movilizar 200.000 millones de euros para la IA, entre ellos un fondo de 20.000 millones para «gigafactorías» de IA. Esa cifra mezcla dinero público y privado: es un objetivo de movilización, no una dotación pública.
¿Qué son las AI Factories de EuroHPC?
Una AI Factory es un centro que abre un superordenador público a las empresas y a los investigadores que desarrollan IA, con cálculo, acompañamiento y formación. La Unión cuenta con 19, completadas por 13 antenas, que ofrecen acompañamiento gratuito a las pymes y a las start-ups. En Francia, AI Factory France la impulsa GENCI con el CEA, el CNRS, Inria, la French Tech o Station F, y ofrece un punto de entrada único a Jean Zay, Adastra, Joliot-Curie y, más adelante, Alice Recoque.
EuroHPC propone cuatro modalidades de acceso, todas abiertas a 20 de noviembre de 2026:
| Modalidad de acceso | Para quién | Tamaño | Plazo |
|---|---|---|---|
| Playground | pymes, start-ups, principiantes | recursos limitados, para probar | acceso en dos días hábiles |
| Fast Lane | pymes y start-ups de IA habituadas al cálculo intensivo | hasta 50.000 horas de GPU, tres meses como máximo | respuesta en cuatro días hábiles |
| Large Scale | modelos que requieren más de 50.000 horas de GPU | un año como máximo | varias fechas límite al año |
| AI for Science | investigadores, sector público, proyectos europeos | según la convocatoria | según la convocatoria |
Los accesos de «innovación industrial» son gratuitos para las pymes y start-ups de IA, para proyectos de innovación; las demás empresas pueden pagar por uso. Para una pyme, 50.000 horas de GPU gratuitas son más de quince veces la pasada de ajuste fino de Olala en Jean Zay (25 horas en 128 GPU, unas 3.200 horas de GPU).
¿Se ha utilizado bien el dinero público?
En nuestra opinión, sí, y lo que está en juego va más allá de Olala. Europa necesita buenos modelos propios, y más aún una inferencia europea: modelos que funcionen en operadores europeos, bajo derecho europeo, sin depender de un proveedor estadounidense que puede cambiar sus precios o cortar el acceso. Ambas cosas se alimentan. Quien entrena sus propios modelos aprende a servirlos, sus clientes y sus datos se quedan en Europa, y sus ingresos financian la siguiente generación. El cálculo público pone en marcha este círculo virtuoso, en una fase en la que ni una start-up ni un proveedor de alojamiento podrían avanzar solos.
Olala demuestra que el círculo ya gira. El modelo se publica con licencia Apache 2.0, uso comercial incluido, cuando el Large AI Grand Challenge solo pedía una publicación con licencia de código abierto, al menos para uso no comercial; el informe técnico y varios conjuntos de datos son públicos, y cualquiera puede descargarlo y usarlo. Además, se sirve en Francia en AI Endpoints, el servicio de inferencia de OVH: entrenado en máquinas públicas europeas, funciona en un operador europeo.
El dinero, además, no es la única ganancia. El acceso a las GPU es un reto en sí mismo, y probablemente es donde el cálculo público más ayudó a OVH. En junio de 2026, la empresa indicaba en su hoja de ruta pública que sus H200 estaban «fully allocated due to high demand», y la generación Blackwell no llegó a su oferta hasta noviembre. El preentrenamiento de Olala pudo movilizar de una vez 1.024 GH200 de JUPITER, sin quitar capacidad a sus clientes ni esperar sus propias entregas. El cálculo público le ahorró tiempo, no solo dinero.
Quedan dos puntos por seguir, sin que cambien este balance. Las horas las ganó una start-up y hoy benefician a OVH, tras una compra corriente. Y las bases del concurso preveían un modelo de al menos 30.000 millones de parámetros, entrenado desde cero: Olala mini tiene 7.000 millones, pero la versión 2.0 anunciada, de 100.000 a 300.000 millones de parámetros según Octave Klaba, iría mucho más allá.
Esa versión 2.0 cambiará la escala del coste, como explicamos en nuestro artículo sobre la estrategia de IA de OVH. Si vuelve a necesitar cálculo público, no lo veríamos como un fracaso. Dado lo que supone una IA soberana para los próximos años, nos parece dinero bien empleado.
Lo que una empresa puede sacar en claro
- Los superordenadores públicos no están reservados a los investigadores. Una pyme o una start-up de IA puede solicitar horas en Playground o en Fast Lane, gratis para un proyecto de innovación, con respuesta en pocos días.
- Elegir la vía adecuada. Las AI Factories sirven para experimentar y ajustar un modelo; GENCI, en Francia, para un proyecto de investigación cuyos resultados se acepta publicar; la Large Scale, para entrenar un modelo.
- Medir la contrapartida. La gratuidad tiene condiciones: innovación, publicación, duración limitada. Un servicio en producción, con clientes y un compromiso de disponibilidad, corresponde a un proveedor de nube o de inferencia, como explicamos en nuestra comparativa de las formas de ejecutar un modelo en la empresa.
- Aprovechar lo que el dinero público ya ha producido. Olala tiene licencia Apache 2.0: un modelo europeo, entrenado con cálculo público, que una empresa puede ejecutar en sus propios servidores sin depender de un proveedor estadounidense, uno de los criterios de una IA soberana.
Preguntas frecuentes sobre las AI Factories, EuroHPC y Olala
¿Qué son las AI Factories de EuroHPC?
Una AI Factory es un centro europeo que abre un superordenador público a las empresas y a los investigadores que desarrollan IA, con cálculo, acompañamiento y formación. La Unión cuenta con 19, completadas por 13 antenas. En Francia, AI Factory France la impulsa GENCI y da acceso a Jean Zay, Adastra, Joliot-Curie y, más adelante, Alice Recoque.
¿Qué es EuroHPC?
EuroHPC es la empresa común europea que compra y cofinancia los grandes superordenadores de la Unión con los Estados que los albergan, como JUPITER en Alemania, pagado a medias por EuroHPC. Su tiempo de cálculo se asigna gratis previa presentación de un expediente, en convocatorias abiertas a investigadores y empresas.
¿Se financió Olala con dinero público?
Su cálculo, casi por completo. El preentrenamiento se hizo en JUPITER en el marco del Large AI Grand Challenge, el ajuste fino en Jean Zay gracias a GENCI y parte de la investigación sobre agentes en MeluXina. OVH valora este apoyo en 7 M€ en horas de cálculo. Los salarios y lo demás corren a cargo de OVH, sin importe publicado. Más allá del dinero, estas máquinas dieron a OVH acceso inmediato a GPU cuando las suyas estaban saturadas: una ganancia de tiempo tanto como de presupuesto.
¿Puede una pyme usar gratis un superordenador europeo?
Sí, con condiciones. Los accesos Playground y Fast Lane de las AI Factories son gratuitos para las pymes y start-ups de IA que llevan a cabo un proyecto de innovación; la Fast Lane llega hasta 50.000 horas de GPU durante tres meses, con respuesta en cuatro días hábiles. GENCI abre también Jean Zay gratis a las empresas, para proyectos de investigación abierta cuyos resultados se publican.
¿Qué es el Large AI Grand Challenge?
Es un concurso lanzado en noviembre de 2023 por el proyecto europeo AI-BOOST con EuroHPC y la Comisión. En junio de 2024, cuatro start-ups, Lingua Custodia, Unbabel, Tilde y Textgain, se repartieron 1 M€ en premios y 8 millones de horas de cálculo para desarrollar un gran modelo de lenguaje en doce meses, con obligación de publicarlo.
¿Qué es Dragon LLM?
Dragon LLM es la antigua Lingua Custodia, una start-up parisina de modelos de IA especializados en finanzas, ganadora del Large AI Grand Challenge en 2024. OVH la compró en marzo de 2026 para crear su laboratorio de IA, OVHai LLM, que entrenó Olala mini.
El caso de Olala muestra una cadena europea que funciona: un concurso descubre a una start-up, unos superordenadores públicos le dan el cálculo, un actor francés la integra y publica un modelo libre. Para una empresa, la pregunta es más sencilla: ¿qué proyecto emprendería mañana con 50.000 horas de GPU, si las solicitara?


