NVIDIA afirma que Vera Rubin alcanza hasta el doble de velocidad de entrenamiento por GPU que GB300

El sistema Vera Rubin NVL72 debutó en MLPerf Training v6.1. MLCommons, que gestiona la prueba, confirmó que esta ronda es la primera que incluye GPUs de la generación Rubin.

Un letrero blanco de Nvidia con el logotipo verde y la dirección se alza entre árboles y arbustos en un campus empresarial.
Foto de archivo: letrero de Nvidia en su sede de Santa Clara, 2020Foto: Will Buckner / Wikimedia CommonsCC BY 2.0Fuente

El sistema Vera Rubin NVL72 de NVIDIA publicó sus primeros resultados en MLPerf Training el 16 de noviembre de 2026. Según la compañía, medido por GPU, el sistema alcanzó hasta 2 veces el rendimiento de su sistema GB300 NVL721. MLCommons, la organización responsable de la prueba, afirmó que la ronda v6.1 es la primera que incluye GPUs de NVIDIA de la generación Rubin2.

MLPerf Training mide la rapidez con la que el hardware lleva distintos modelos de inteligencia artificial hasta un nivel de precisión fijado1. NVIDIA asegura que ganó todas las pruebas de la v6.1.

NVIDIA también presentó resultados de escalado. En la prueba DeepSeek-V3, afirma que Vera Rubin NVL72 pasó de 256 a 1.024 GPUs con una eficiencia de alrededor del 97%, y que cuadruplicar las GPUs redujo el tiempo de entrenamiento de 16 minutos a unos cuatro1. NVIDIA ejecutó la misma prueba con 10.240 GPUs en sistemas GB300, la mayor escala de la ronda, y Microsoft Azure la igualó con 10.240 GPUs de NVIDIA en sistemas GB2001.

Según MLCommons, 24 organizaciones presentaron resultados, entre ellas AMD, Google, Dell, HPE, Oracle, CoreWeave y Crusoe, que participa por primera vez2. En conjunto inscribieron 153 sistemas y obtuvieron 250 resultados. Los sistemas en la nube representaron el 37% del total, frente al 29% en la v6.0, y una docena de entradas funcionaron con al menos 1.000 aceleradores2. El hardware procedía de NVIDIA, AMD y Google, y el TPUv7 (Ironwood) de Google también apareció por primera vez2.

La versión 6.1 incorpora dos pruebas nuevas2. Una es DLRMv4-HSTU, una prueba de recomendación que sustituye a la anterior DLRM-dcnv2 y se entrena con el conjunto de datos Yambda. La otra es Qwen3.5-397B, una carga de trabajo a gran escala para el posentrenamiento de un gran modelo de lenguaje2.

NVIDIA también participó por primera vez en MLPerf Endpoints. Las cifras de Kimi K3, un gran modelo abierto diseñado para flujos de trabajo basados en agentes, son provisionales. NVIDIA señala que están pendientes de verificación por la MLCommons Association y que pueden cambiar tras la revisión por pares1.

Fuentes

  1. 1
  2. 2
    MLPerf Training v6.1 Results: Record Participation

    IndependienteMLCommonsConsultada

El sistema de redacción de ITANU produjo este artículo con IA y lo contrastó con las fuentes citadas arriba. Cómo trabajamos

ITANU Magazine

Noticias de tecnología, contrastadas con sus fuentes