NVIDIA заявила о лидерстве Vera Rubin в MLPerf и приросте до 2× на GPU
По данным NVIDIA, платформа Vera Rubin показала лучшие результаты во всех тестах MLPerf Training v6.1, а в предварительном тесте агентного ИИ — более чем в 10 раз большую пропускную способность на ватт, чем GB300.

Результаты в тестах обучения
NVIDIA сообщила, что её платформа Vera Rubin в дебюте на MLPerf показала лучшие результаты во всех тестах MLPerf Training v6.1. По данным компании, она стала единственной платформой с результатами во всех испытаниях этого раунда: они охватывали большие языковые модели, генерацию изображений, рекомендательные системы и дообучение с подкреплением.
В тестах обучения система Vera Rubin NVL72 показала до 2× большую производительность на один GPU, чем оптимизированная NVIDIA GB300 NVL72. Это сравнение и остальные результаты Training опубликованы NVIDIA; в статье компании указано, что данные MLPerf были получены с сайта MLCommons 16 ноября 2026 года.
В тесте DeepSeek-V3 система Vera Rubin NVL72 масштабировалась с 256 до 1 024 GPU с эффективностью около 97%: увеличение числа GPU в четыре раза сократило время обучения с 16 минут до примерно четырёх. В том же раунде NVIDIA провела тест на 10 240 GPU с системами GB300. Microsoft Azure достигла такого же масштаба, используя 10 240 GPU в системах GB200.
Предварительный результат для ИИ-агентов
В MLPerf Endpoints платформа проверялась на задачах агентного программирования и корпоративных рабочих процессах с оценкой корректности выполнения. NVIDIA заявила о лидерстве Vera Rubin во всех агентных тестах. Для модели Kimi K3 компания приводит предварительный результат: NVL72 показала более чем в 10 раз большую пропускную способность на ватт, чем GB300 NVL72, при сопоставимой скорости ответа.
Результат Vera Rubin для Kimi K3 пока ожидает проверки MLCommons и может измениться после экспертного рассмотрения. Сравнение пропускной способности на киловатт нормализовано по минимальной средней интерактивности 50 токенов в секунду на пользователя. Результат GB300 проверен MLCommons.
Масштабирование требует эффективной связи GPU
NVIDIA связывает результаты на больших конфигурациях с сетевыми технологиями NVLink внутри систем и Quantum-X800 InfiniBand либо Spectrum-X Ethernet между системами, а также с оптимизированным программным обеспечением. Компания также отмечает, что в MLPerf Training участвовали 20 организаций, использовавших её платформу.
Продолжить чтение
В ленте материалов: 1


