<?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 Magazine: Hardware</title><link>https://itanu.org/pt/magazine/desk/hardware/</link><description>Notícias de tecnologia em nove idiomas, três edições por dia. Cada matéria cita suas fontes e é conferida com elas.</description><language>pt</language><lastBuildDate>Mon, 16 Nov 2026 17:19:41 GMT</lastBuildDate><atom:link href="https://itanu.org/pt/magazine/desk/hardware/feed.xml" rel="self" type="application/rss+xml"/><item><title>NVIDIA diz que sistemas Vera Rubin treinam até duas vezes mais rápido que o GB300 por GPU</title><link>https://itanu.org/pt/magazine/nvidia-vera-rubin-mlperf-training-debut-tfqpvtzr/</link><guid isPermaLink="true">https://itanu.org/pt/magazine/nvidia-vera-rubin-mlperf-training-debut-tfqpvtzr/</guid><pubDate>Mon, 16 Nov 2026 17:19:41 GMT</pubDate><dc:creator>Redação da ITANU Magazine</dc:creator><category>Hardware</category><description>O sistema Vera Rubin NVL72 estreou no MLPerf Training v6.1. A MLCommons, responsável pelo teste, confirmou que esta rodada foi a primeira a incluir GPUs da geração Rubin.</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;Uma placa branca da Nvidia com o logotipo verde e o endereço fica entre árvores e arbustos em um campus corporativo.&quot;&gt;&lt;figcaption&gt;Foto de arquivo: placa da Nvidia na sede em Santa Clara, 2020 · Will Buckner / Wikimedia Commons · CC BY 2.0&lt;/figcaption&gt;&lt;/figure&gt;&lt;h3&gt;Pontos principais&lt;/h3&gt;&lt;ul&gt;&lt;li&gt;Segundo a NVIDIA, o Vera Rubin NVL72 alcançou até 2 vezes o desempenho por GPU do GB300 NVL72 no MLPerf Training v6.1.&lt;/li&gt;&lt;li&gt;A MLCommons confirmou que GPUs da geração Rubin da NVIDIA e o TPUv7 (Ironwood) do Google apareceram pela primeira vez na rodada.&lt;/li&gt;&lt;li&gt;Os resultados vieram de 24 organizações, que inscreveram 153 sistemas e geraram 250 resultados de teste.&lt;/li&gt;&lt;li&gt;Os resultados provisórios do Vera Rubin no MLPerf Endpoints ainda aguardam verificação da MLCommons.&lt;/li&gt;&lt;/ul&gt;&lt;p&gt;O sistema Vera Rubin NVL72, da NVIDIA, apresentou seus primeiros resultados no MLPerf Training em 16 de novembro de 2026. Segundo a empresa, o sistema alcançou, por GPU, até 2 vezes o desempenho do sistema GB300 NVL72. A MLCommons, entidade responsável pelo teste, informou que a rodada v6.1 foi a primeira a incluir GPUs da geração Rubin da NVIDIA.&lt;/p&gt;&lt;p&gt;O MLPerf Training mede a rapidez com que um hardware consegue levar diferentes modelos de IA a um nível de precisão definido. A NVIDIA afirma ter vencido todos os testes da v6.1.&lt;/p&gt;&lt;p&gt;A NVIDIA também divulgou dados de escalabilidade. No teste DeepSeek-V3, o Vera Rubin NVL72 passou de 256 para 1.024 GPUs com eficiência de cerca de 97%, e o uso de quatro vezes mais GPUs reduziu o tempo de treinamento de 16 minutos para cerca de quatro, segundo a empresa. A NVIDIA rodou o mesmo teste com 10.240 GPUs em sistemas GB300, a maior escala da rodada, e a Microsoft Azure igualou a marca com 10.240 GPUs da NVIDIA em sistemas GB200.&lt;/p&gt;&lt;p&gt;De acordo com a MLCommons, 24 organizações enviaram resultados, entre elas AMD, Google, Dell, HPE, Oracle, CoreWeave e Crusoe, estreante na disputa. No total, foram inscritos 153 sistemas e gerados 250 resultados de teste. Os sistemas em nuvem representaram 37% do total, ante 29% na v6.0, e uma dúzia de inscrições rodou em pelo menos 1.000 aceleradores. O hardware veio de NVIDIA, AMD e Google, e o TPUv7 (Ironwood) do Google também apareceu pela primeira vez.&lt;/p&gt;&lt;p&gt;A versão 6.1 traz dois novos testes. Um é o DLRMv4-HSTU, teste de recomendação que substitui o antigo DLRM-dcnv2 e treina com o conjunto de dados Yambda. O outro é o Qwen3.5-397B, uma carga de trabalho de grande escala para o pós-treinamento de um grande modelo de linguagem.&lt;/p&gt;&lt;p&gt;A NVIDIA também participou pela primeira vez do MLPerf Endpoints. Os números do Kimi K3, um grande modelo aberto pensado para fluxos de trabalho com agentes, são provisórios. Segundo a NVIDIA, eles aguardam verificação da MLCommons Association e podem mudar após a revisão por pares.&lt;/p&gt;&lt;h3&gt;Fontes&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;O sistema de redação da ITANU produziu este artigo com IA e o conferiu nas fontes listadas acima.&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>Uma placa branca da Nvidia com o logotipo verde e o endereço fica entre árvores e arbustos em um campus corporativo.</media:description></media:content></item></channel></rss>
