NVIDIA заявила о вдвое более быстром обучении на системах Vera Rubin в расчете на GPU

Система Vera Rubin NVL72 впервые выступила в MLPerf Training v6.1. В MLCommons, которая проводит тест, подтвердили, что в этот раунд впервые вошли GPUs поколения Rubin.

Белая вывеска Nvidia с зелёным логотипом и адресом стоит среди деревьев и кустов на территории кампуса компании.
Архивное фото: вывеска Nvidia у штаб-квартиры в Санта-Кларе, 2020Фото: Will Buckner / Wikimedia CommonsCC BY 2.0Источник

Система Vera Rubin NVL72 компании NVIDIA 16 ноября 2026 года впервые показала результаты в MLPerf Training. Как сообщает компания, в расчете на один GPU система достигла до 2 раз более высокой производительности, чем GB300 NVL721. В MLCommons, организации, которая проводит этот тест, заявили, что раунд v6.1 стал первым, в который вошли графические процессоры (GPUs) NVIDIA поколения Rubin2.

MLPerf Training измеряет, насколько быстро оборудование доводит различные модели ИИ до заданного уровня точности1. NVIDIA утверждает, что победила во всех тестах v6.1.

NVIDIA также сообщила о результатах масштабирования. По данным компании, в тесте DeepSeek-V3 система Vera Rubin NVL72 масштабировалась с 256 до 1024 GPU с эффективностью около 97%, а увеличение числа GPU в четыре раза сократило время обучения с 16 минут примерно до четырех1. NVIDIA провела тот же тест на 10 240 GPU в системах GB300, что стало крупнейшим масштабом раунда, а Microsoft Azure повторила этот показатель с 10 240 GPU NVIDIA в системах GB2001.

По данным MLCommons, результаты представили 24 организации, в том числе AMD, Google, Dell, HPE, Oracle, CoreWeave и впервые участвовавшая Crusoe2. В общей сложности они выставили 153 системы и получили 250 результатов тестов. Облачные системы составили 37% от общего числа против 29% в v6.0, а дюжина заявок работала как минимум на 1000 ускорителей2. Оборудование поставили NVIDIA, AMD и Google, а TPUv7 (Ironwood) от Google также появилась впервые2.

В версии 6.1 добавлены два новых теста2. Первый из них DLRMv4-HSTU: тест рекомендательных систем, который заменяет прежний DLRM-dcnv2 и обучается на наборе данных Yambda. Второй называется Qwen3.5-397B: это крупномасштабная нагрузка для дообучения большой языковой модели2.

NVIDIA также впервые приняла участие в MLPerf Endpoints. Показатели для Kimi K3, большой открытой модели для агентных рабочих процессов, предварительные. Как сообщает NVIDIA, они ожидают проверки MLCommons Association и могут измениться после экспертной оценки1.

Источники

  1. 1
    NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance

    ПервичныйNVIDIA BlogПросмотрено

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

    НезависимыйMLCommonsПросмотрено

Редакционная система ITANU подготовила этот материал с помощью ИИ и сверила его с источниками, перечисленными выше. Как мы работаем

Журнал ITANU

Новости технологий, сверенные с источниками