OVHcloud планирует построить фронтирный LLM за 200 млн евро на суперкомпьютере Jupiter

OVHcloud заявляет о снижении стоимости обучения фронтирной модели на 80 процентов: примерно с 1 миллиарда евро до 150–200 миллионов. Генеральный директор Октав Клаба объявил на VivaTech 17 июня, что крупнейший европейский облачный провайдер намерен обучить собственное семейство фронтирных LLM, позиционировать себя как конкурент Mistral и в конечном счёте открыть исходные веса. Предварительное обучение первой модели уже завершено на Jupiter — самом быстром суперкомпьютере Европы.

Что произошло

Аргументация Клабы, как сообщает Reuters, опирается на один экономический тезис: фронтирный проект, который обошёлся бы примерно в 1 миллиард евро (1,2 миллиарда долларов по курсу 0,8627), теперь можно реализовать за 150–200 миллионов евро. Он объясняет это тремя факторами: более эффективные чипы, улучшенные методы обучения и синтетические данные. Он называет это «второй волной» создания фронтирных моделей, когда новые игроки опираются на фундамент, заложенный OpenAI, Anthropic и Mistral.

Стратегическая постановка носит оборонительный характер. «Нам стало совершенно ясно: если мы не освоим эту технологию, мы не сможем гарантировать своё будущее», — сказал Клаба Reuters. Эта фраза звучит не как дорожная карта продукта, а как страховка от зависимости от платформ — особенно на фоне недавнего резкого отключения топовых моделей Anthropic, которое называется одним из стимулов для развития европейских альтернатив.

По итогам объявления были озвучены три конкретных обязательства. Первое: OVHcloud выпустит семейство моделей, а не единственную систему — Клаба утверждает, что «не существует одной модели, которая в одиночку делает всё волшебство». Второе: компания не будет обучать модели на данных клиентов — явная граница, важная для существующих облачных клиентов. Третье: веса будут открыты, как только производительность станет «достаточно хорошей» — намеренно размытый порог. Технологическую основу частично обеспечивает приобретённый стартап DragonLLM, а предобучение на Jupiter завершено. OVHcloud пока не готова раскрывать детальные показатели производительности — это главная неизвестная в данном объявлении.

Техническая анатомия

Цифра в 150–200 миллионов евро заслуживает пристального изучения, поскольку она неявно определяет, что означает «фронтирный» в середине 2026 года. Источник не раскрывает количество параметров, объём токенов, аппаратные часы на Jupiter или то, охватывает ли эта цифра один запуск предобучения или всё семейство. Это важно, потому что разрыв между бюджетом в 200 миллионов евро и бюджетом в 1 миллиард евро — это разница между репликацией уровня GPT-4 и действительно конкурентоспособной системой следующего поколения. Мы не знаем, что именно обещает Клаба, но рамки заданы его собственной формулировкой: «вторая волна», опирающаяся на предшествующие разработки, — что скорее указывает на догоняющую, а не прорывную стратегию.

Три названных им фактора снижения стоимости реальны, но неравнозначны. Эффективность чипов на доллар существенно улучшилась в ходе перехода от H100 к B200 и в том, что EuroHPC установил в Jupiter. Методы обучения (улучшенные оптимизаторы, маршрутизация mixture-of-experts, стратегии учебного плана) действительно снижают соотношение FLOPs к качеству. Синтетические данные — наиболее спорный компонент: они работают для рассуждений и дистилляции кода, но менее очевидно — для широкодоменного предобучения без деградации качества. Снижение стоимости на 80 процентов предполагает совокупный эффект всех трёх факторов, что правдоподобно, но пока не верифицировано независимо на фронтирном масштабе европейской лабораторией.

Стоит также отметить зависимость от Jupiter. Запуск предобучения на общем суперкомпьютере EuroHPC — это не та же операционная модель, что у Anthropic или OpenAI, которые арендуют выделенные GPU-кластеры на месяцы. Очереди, политика выделения ресурсов и тот факт, что Jupiter в первую очередь обслуживает научные задачи, будут влиять на скорость итераций. Архитектура семейства моделей (специализированная стратегия генерации, аналогичная тому, что Anthropic делает с вариантами Claude, а Google — в рамках уровней Gemini; в качестве рабочего примера см. документацию Anthropic) — правильное решение. Оно страхует от риска единственного чекпоинта и позволяет команде выпускать задачно-специфичные модели раньше, чем монолитный флагман.

Если OVHcloud действительно откроет веса, естественным уровнем распространения станет Hugging Face, а в качестве конкурентного ряда выступят Mistral, Llama, Qwen и DeepSeek. Это жестокая конкурентная среда.

Кто пострадает

Mistral — очевидный действующий игрок, оказавшийся под давлением. Клаба прямо позиционирует OVHcloud как второго европейского фронтирного игрока, что переформатирует нарратив Mistral с «чемпиона Европы» на «первого из нескольких». У Mistral по-прежнему есть преимущество в зрелости моделей и популярности среди разработчиков, но хорошо финансируемый инфраструктурный игрок, выпускающий открытые веса, меняет ценовой пол европейского инференса. Если OVHcloud поставит конкурентоспособные модели в собственном облаке по себестоимости, маржа API Mistral сократится.

Американским фронтирным лабораториям европейский проект за 200 миллионов евро не угрожает напрямую, однако история закупок меняется. Каждый европейский банк, страховщик, государственный заказчик и регулируемая финтех-компания, вздрогнувшие от отключения Anthropic, теперь имеют весомый повод требовать суверенный запасной вариант в своей архитектуре. Anthropic и OpenAI сохранят верхний сегмент, но теряют позиции при многолетних эксклюзивных обязательствах. Схема с двумя вендорами становится стандартом для регулируемых рабочих нагрузок в ЕС.

iGaming-платформы и финтех-компании в ЕС должны воспринимать это как улучшение на стороне предложения. Суверенные модели с открытыми весами, размещённые в Европе, с гарантией отсутствия обучения на клиентских данных решают проблему соответствия нормативным требованиям, которая тормозила внедрение ИИ в KYC, скоринге мошенничества, генерации нарративов AML и системах защиты игроков. Реальность на ближайшие 90 дней: ничего не изменится немедленно, поскольку OVHcloud не выпустила и не протестировала модели. Но командам по закупкам стоит уже сейчас начать составлять сравнительную матрицу.

Сторона крипто и DeFi подвергается меньшему воздействию. Большинство производственного ИИ в этом секторе работает на hosted API или самостоятельно развёрнутых вариантах Llama, и новая европейская модель не меняет модель угроз вокруг onchain-агентов. Открытый вопрос, на который стоит обратить внимание: будет ли лицензия OVHcloud действительно разрешительной или она будет содержать ограничения, исключающие её использование в коммерческих DeFi-инструментах? Ориентир задан тем, что сделали Mistral и Meta, но пока мы этого не знаем.

Руководство для разработки ИИ

Для руководителей платформ и инфраструктуры эта неделя — о гибкости, а не о миграции. Три конкретных шага:

Первый: проведите аудит текущих зависимостей от LLM на предмет риска отключения. Инцидент с Anthropic — это именно тот стимул, на который ссылается Клаба, и если в вашем производственном стеке есть единая критическая зависимость от фронтирного API одного вендора, в документации разбора инцидентов уже должен быть описан суверенный или open-weight запасной вариант. Стандартизируйте уровень абстракции модели сейчас, пока это не стало срочной необходимостью.

Второй: воспринимайте объявление OVHcloud как сигнал для пересмотра ваших предположений о стоимости инференса. Если стоимость обучения фронтирной модели упала на 80 процентов по данным одного авторитетного европейского оператора, стоимость конкурентоспособного инференса следует аналогичной кривой. Пересчёт дорожной карты ИИ-функций на основе 12-месячного прогноза, а не текущих цен API, изменит понимание того, какие функции имеет смысл выпускать.

Третий: если вы работаете в регулируемом вертикальном сегменте ЕС, начните разговор с командой по работе с клиентами OVHcloud о раннем доступе. Обязательство не обучать модели на клиентских данных — это именно тот тип договорного языка, который действительно важен для функций комплаенса и DPO, а участие в когорте дизайн-партнёров дешевле, чем доработка в дальнейшем. Для агентных рабочих нагрузок следите за тем, поддерживает ли семейство протоколы использования инструментов, совместимые с MCP, поскольку это становится стандартом интеграции.

Проверяемый прогноз: если заявления OVHcloud подтвердятся, в течение шести месяцев мы должны увидеть хотя бы один публичный бенчмарк в сравнении с Mistral и Llama, а в течение двенадцати — публикацию открытых весов на Hugging Face. Если ни то ни другое не произойдёт к середине 2027 года, цифра в 150–200 миллионов евро носила скорее декларативный, а не обязывающий характер.

Ключевые выводы

• OVHcloud заявляет о снижении стоимости фронтирного обучения на 80 процентов — с 1 миллиарда евро до 150–200 миллионов — за счёт чипов, методов обучения и синтетических данных.
• Предобучение завершено на Jupiter с использованием технологий приобретённого DragonLLM, однако показатели производительности не раскрыты — это главная неизвестная.
• Стратегия — семейство моделей с открытым исходным кодом, как только они станут «достаточно хорошими», явно смоделированное по образцу того, как OpenAI и Anthropic выпускают многоуровневые системы.
• Mistral утрачивает статус единственной европейской фронтирной истории; регулируемые покупатели в ЕС получают реальную суверенную альтернативу американским лабораториям.
• Проверяемая граница: ожидайте публичных бенчмарков в течение шести месяцев и открытых весов в течение двенадцати — иначе ценовые заявления следует считать декларативными.