Новые разделы!
ИИ, квантовые вычисления и много других интересных тем

Заходите в ЦИТадель!
Век живи — век учись

Vera Rubin показала до двукратного прироста на GPU в MLPerf Training 6.1

Платформа NVIDIA Vera Rubin NVL72 в первом участии в MLPerf Training 6.1 показала лучшее время на шести из семи задач и до двукратного прироста производительности на GPU относительно GB300 NVL72. В MLPerf Endpoints она также более чем в десять раз превзошла GB300 по пропускной способности на киловатт в тесте Kimi K3, однако этот результат пока не прошёл проверку MLCommons.

Консорциум MLCommons опубликовал результаты MLPerf Training 6.1 — набора тестов, измеряющих время обучения моделей до заданного уровня качества. В раунде участвовали 24 организации, представившие 153 системы и 250 результатов. В состав тестов впервые вошли рекомендательная модель DLRMv4-HSTU и постобучение языковой модели Qwen3.5-397B методом обучения с подкреплением.

Стоечная ИИ-платформа NVIDIA Vera Rubin NVL72 дебютировала с лучшим временем на шести из семи задач. По расчётам NVIDIA на основе опубликованных результатов, преимущество над оптимизированной системой GB300 NVL72 при одинаковом числе GPU составило от 1,4 до 2 раз.

В тесте обучения DeepSeek-V3 система Vera Rubin выполнила задачу за 4,14 минуты на 1024 GPU против 8,03 минуты у GB300 NVL72. При масштабировании с 256 до 1024 ускорителей эффективность превысила 97%. Абсолютно лучшее время в этой задаче — 1,38 минуты — показал кластер NVIDIA GB300 NVL72 с 10 240 GPU.

Сравнение результатов Vera Rubin и GB300 NVL72 в MLPerf Training 6.1

В тестах обслуживания ИИ-агентов MLPerf Endpoints v1.0 платформа Vera Rubin также показала заметный прирост. Для модели Kimi K3 её пропускная способность на киловатт оказалась более чем в десять раз выше, чем у GB300 NVL72, при средней интерактивности не менее 50 токенов в секунду на пользователя. Результат Vera Rubin имеет предварительный статус и может измениться после экспертной проверки MLCommons.

Пропускная способность Vera Rubin и GB300 на киловатт в тесте Kimi K3

MLPerf оценивает готовые аппаратно-программные конфигурации, поэтому результаты отражают не только возможности GPU, но и работу процессоров, межсоединений и программного стека обучения или инференса.

Источник: blogs.nvidia.com

Связь с редакцией