<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/"><channel><title>ITANU Magazin: Hardware</title><link>https://itanu.org/de/magazine/desk/hardware/</link><description>Technologie-Nachrichten in neun Sprachen, drei Ausgaben täglich. Jeder Beitrag nennt seine Quellen und wird anhand dieser geprüft.</description><language>de</language><lastBuildDate>Mon, 16 Nov 2026 17:19:41 GMT</lastBuildDate><atom:link href="https://itanu.org/de/magazine/desk/hardware/feed.xml" rel="self" type="application/rss+xml"/><item><title>Vera-Rubin-Systeme trainieren laut NVIDIA pro GPU bis zu doppelt so schnell wie GB300</title><link>https://itanu.org/de/magazine/nvidia-vera-rubin-mlperf-training-debut-tfqpvtzr/</link><guid isPermaLink="true">https://itanu.org/de/magazine/nvidia-vera-rubin-mlperf-training-debut-tfqpvtzr/</guid><pubDate>Mon, 16 Nov 2026 17:19:41 GMT</pubDate><dc:creator>Redaktion von ITANU Magazin</dc:creator><category>Hardware</category><description>Das System Vera Rubin NVL72 ist erstmals in MLPerf Training v6.1 vertreten. MLCommons, Betreiber des Benchmarks, bestätigte, dass in dieser Runde erstmals GPUs der Rubin-Generation dabei waren.</description><content:encoded>&lt;figure&gt;&lt;img src=&quot;https://itanu.org/assets/magazine-img-a1828ad62e1dda00-960.jpg&quot; width=&quot;1166&quot; height=&quot;948&quot; alt=&quot;Ein weißes Nvidia-Schild mit grünem Logo und Straßenadresse steht zwischen Bäumen und Sträuchern auf einem Firmengelände.&quot;&gt;&lt;figcaption&gt;Archivfoto: Nvidia-Schild am Firmensitz in Santa Clara, 2020 · Will Buckner / Wikimedia Commons · CC BY 2.0&lt;/figcaption&gt;&lt;/figure&gt;&lt;h3&gt;Das Wichtigste&lt;/h3&gt;&lt;ul&gt;&lt;li&gt;Laut NVIDIA erreichte Vera Rubin NVL72 in MLPerf Training v6.1 pro GPU bis zu 2-mal die Leistung des GB300 NVL72.&lt;/li&gt;&lt;li&gt;MLCommons bestätigte, dass GPUs der Rubin-Generation von NVIDIA und Googles TPUv7 (Ironwood) erstmals in der Runde vertreten waren.&lt;/li&gt;&lt;li&gt;Die Ergebnisse stammen von 24 Organisationen, die 153 Systeme einreichten und 250 Testergebnisse erzielten.&lt;/li&gt;&lt;li&gt;NVIDIAs vorläufige Vera-Rubin-Ergebnisse in MLPerf Endpoints müssen von MLCommons noch geprüft werden.&lt;/li&gt;&lt;/ul&gt;&lt;p&gt;NVIDIAs System Vera Rubin NVL72 hat am 16. November 2026 erstmals Ergebnisse in MLPerf Training vorgelegt. Pro GPU gerechnet erreichte es nach Angaben des Unternehmens bis zu 2-mal die Leistung des Systems GB300 NVL72. Laut MLCommons, der Organisation hinter dem Benchmark, war die Runde v6.1 die erste mit GPUs der Rubin-Generation von NVIDIA.&lt;/p&gt;&lt;p&gt;MLPerf Training misst, wie schnell Hardware verschiedene KI-Modelle auf eine festgelegte Genauigkeit bringt. NVIDIA gibt an, in v6.1 alle Benchmarks gewonnen zu haben.&lt;/p&gt;&lt;p&gt;Auch zur Skalierung legte NVIDIA Zahlen vor. Im Benchmark DeepSeek-V3 sei Vera Rubin NVL72 mit einer Effizienz von etwa 97 Prozent von 256 auf 1.024 GPUs skaliert, und mit viermal so vielen GPUs sei die Trainingszeit von 16 Minuten auf rund vier gesunken. Denselben Benchmark ließ NVIDIA auf 10.240 GPUs in GB300-Systemen laufen, die größte Skalierung der Runde. Microsoft Azure zog mit 10.240 NVIDIA-GPUs in GB200-Systemen gleich.&lt;/p&gt;&lt;p&gt;Nach Angaben von MLCommons reichten 24 Organisationen Ergebnisse ein, darunter AMD, Google, Dell, HPE, Oracle, CoreWeave und Crusoe, das erstmals teilnahm. Zusammen meldeten sie 153 Systeme und 250 Testergebnisse. Cloud-Systeme machten 37 Prozent aus, nach 29 Prozent in v6.0, und ein Dutzend Einreichungen lief auf mindestens 1.000 Beschleunigern. Die Hardware stammte von NVIDIA, AMD und Google. Googles TPUv7 (Ironwood) war ebenfalls erstmals dabei.&lt;/p&gt;&lt;p&gt;Version 6.1 bringt zwei neue Benchmarks. Der eine ist DLRMv4-HSTU, ein Empfehlungstest, der das bisherige DLRM-dcnv2 ablöst und mit dem Datensatz Yambda trainiert. Der andere ist Qwen3.5-397B, eine groß angelegte Aufgabe für das Nachtraining eines großen Sprachmodells.&lt;/p&gt;&lt;p&gt;Zudem trat NVIDIA erstmals bei MLPerf Endpoints an. Die Werte für Kimi K3, ein großes offenes Modell für agentenartige Arbeitsabläufe, sind vorläufig. Laut NVIDIA steht die Prüfung durch die MLCommons Association noch aus, nach der Begutachtung durch Fachkollegen könnten sie sich noch ändern.&lt;/p&gt;&lt;h3&gt;Quellen&lt;/h3&gt;&lt;ol&gt;&lt;li&gt;&lt;a href=&quot;https://blogs.nvidia.com/blog/mlperf-training-endpoints-vera-rubin&quot;&gt;NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance&lt;/a&gt;, NVIDIA Blog&lt;/li&gt;&lt;li&gt;&lt;a href=&quot;https://mlcommons.org/2026/11/mlperf-training-v6-1-results/&quot;&gt;MLPerf Training v6.1 Results: Record Participation&lt;/a&gt;, MLCommons&lt;/li&gt;&lt;/ol&gt;&lt;p&gt;Das Redaktionssystem von ITANU hat diesen Artikel mit KI erstellt und an den oben genannten Quellen geprüft.&lt;/p&gt;</content:encoded><media:content url="https://itanu.org/assets/magazine-img-a1828ad62e1dda00-1166.jpg" medium="image" type="image/jpeg" width="1166" height="948"><media:credit>Will Buckner / Wikimedia Commons</media:credit><media:description>Ein weißes Nvidia-Schild mit grünem Logo und Straßenadresse steht zwischen Bäumen und Sträuchern auf einem Firmengelände.</media:description></media:content></item></channel></rss>
