NVIDIA affirme que Vera Rubin atteint jusqu'au double de la vitesse d'entraînement de GB300 par GPU
Le système Vera Rubin NVL72 a fait ses débuts dans MLPerf Training v6.1. MLCommons, qui organise le banc d'essai, a confirmé que cette session était la première à inclure des processeurs graphiques (GPUs) de génération Rubin.

Le système Vera Rubin NVL72 de NVIDIA a publié ses premiers résultats dans MLPerf Training le 16 novembre 2026. Selon l'entreprise, mesuré par GPU, il a atteint jusqu'à 2 fois les performances de son système GB300 NVL721. MLCommons, l'organisation qui pilote le banc d'essai, a indiqué que la session v6.1 était la première à inclure des processeurs graphiques (GPUs) NVIDIA de génération Rubin2.
MLPerf Training mesure la rapidité avec laquelle le matériel amène différents modèles d'IA à un niveau de précision donné1. NVIDIA affirme avoir remporté tous les tests de la v6.1.
NVIDIA a aussi communiqué des résultats sur la montée en charge. Sur le test DeepSeek-V3, Vera Rubin NVL72 est passé, selon l'entreprise, de 256 à 1 024 GPU avec une efficacité d'environ 97 %, et quadrupler le nombre de GPU a réduit le temps d'entraînement de 16 minutes à environ quatre1. NVIDIA a exécuté le même test sur 10 240 GPU dans des systèmes GB300, la plus grande échelle de la session, et Microsoft Azure a fait jeu égal avec 10 240 GPU NVIDIA dans des systèmes GB2001.
D'après MLCommons, 24 organisations ont soumis des résultats, dont AMD, Google, Dell, HPE, Oracle, CoreWeave et Crusoe, nouvelle venue2. Ensemble, elles ont inscrit 153 systèmes et produit 250 résultats de test. Les systèmes dans le cloud représentaient 37 % du total, contre 29 % dans la v6.0, et une douzaine de soumissions tournaient sur au moins 1 000 accélérateurs2. Le matériel provenait de NVIDIA, d'AMD et de Google, et le TPUv7 (Ironwood) de Google faisait aussi sa première apparition2.
La version 6.1 ajoute deux nouveaux tests2. Le premier, DLRMv4-HSTU, est un test de recommandation qui remplace l'ancien DLRM-dcnv2 et s'entraîne sur le jeu de données Yambda. Le second, Qwen3.5-397B, est une charge de travail à grande échelle consacrée au post-entraînement d'un grand modèle de langage2.
NVIDIA a également participé pour la première fois à MLPerf Endpoints. Les chiffres concernant Kimi K3, un grand modèle ouvert conçu pour les flux de travail agentiques, sont provisoires. Selon NVIDIA, ils sont en attente de vérification par la MLCommons Association et pourraient changer après l'examen par les pairs1.
Sources
- 1NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance
PrimaireNVIDIA BlogConsultée
- 2MLPerf Training v6.1 Results: Record Participation
IndépendanteMLCommonsConsultée
Le système éditorial d’ITANU a produit cet article avec l’IA et l’a vérifié auprès des sources citées ci-dessus. Notre méthode

