تقول NVIDIA إن منصة Vera Rubin تصدرت جميع الاختبارات في أحدث جولة من MLPerf Training، التي شملت نماذج لغوية وتوليد الصور وأنظمة التوصية والتدريب اللاحق بالتعلم المعزز. ونُشرت النتائج في 16 نوفمبر 2026، في أول مشاركة لمنصة Vera Rubin في الاختبارات. وتقول NVIDIA إن النظام حقق أداءً يصل إلى ضعفي الأداء لكل وحدة GPU مقارنة بنظام GB300 NVL72.
بحسب NVIDIA، توسعت Vera Rubin في أحد اختبارات التدريب من 256 إلى 1,024 وحدة GPU بكفاءة بلغت نحو 97%. وأدى رفع عدد وحدات GPU إلى أربعة أمثاله إلى خفض زمن التدريب المعلن من 16 دقيقة إلى نحو أربع دقائق. وقدمت NVIDIA نتائج في جميع اختبارات التدريب بهذه الجولة، وتقول الشركة إنها المنصة الوحيدة التي فعلت ذلك.
ما الذي تقيسه نتيجة الذكاء الاصطناعي الوكيلي؟
قدمت NVIDIA أيضاً مشاركتها الأولى في MLPerf Endpoints، الذي يختبر أنظمة الذكاء الاصطناعي في مهام البرمجة وسير العمل التجاري متعددة الخطوات، مثل استخدام الأدوات والتحقق من النتائج. وفي اختبار Kimi K3، أفادت NVIDIA بأن Vera Rubin NVL72 حقق معدل إنجاز لكل واط يزيد على 10 أضعاف ما حققه GB300 NVL72، عند حد أدنى مشترك يبلغ 50 رمزاً في الثانية لكل مستخدم. ويقيس معدل الإنجاز لكل واط حجم العمل الذي ينجزه النظام مقابل الطاقة التي يستهلكها.
لكن المقارنة ليست متكافئة من حيث عدد وحدات العتاد: إذ استخدمت نتيجة Vera Rubin 32 مسرّعاً، مقابل 48 في نتيجة GB300. كما أن نتيجة Vera Rubin أولية، وما زالت بانتظار التحقق ومراجعة الأقران من MLCommons. وتُظهر الأرقام المعلنة متوسطاً للتفاعل مع المستخدم يبلغ 50.4 رمزاً في الثانية لـVera Rubin و56.2 لـGB300.
نتائج اختبار لا إطلاق منتج
في عمليات التدريب واسعة النطاق، لا تفيد إضافة وحدات GPU إلا إذا أمكنها العمل معاً بكفاءة. وتشير NVIDIA إلى وصلات NVLink داخل الأنظمة، وشبكات InfiniBand وEthernet بين الأنظمة، بوصفها من العوامل التي تساعدها على توسيع نطاق أحمال العمل. وشملت الجولة أيضاً تجربة DeepSeek-V3 باستخدام 10,240 وحدة GPU على أنظمة NVIDIA GB300؛ وقدمت Microsoft Azure تجربة بالحجم نفسه باستخدام أنظمة GB200.
قدمت 20 مؤسسة نتائج في MLPerf Training باستخدام تقنيات NVIDIA. وتتيح الاختبارات مقارنة الأداء في مهام محددة، لكن الإعلان لا يوضح موعد توفر أنظمة Vera Rubin للعملاء أو أسعارها.
لماذا يهم
بالنسبة إلى الباحثين والشركات التي تدرب نماذج الذكاء الاصطناعي، تشير نتيجة التوسع المعلنة إلى أن نظاماً كبيراً من Vera Rubin قد يختصر مدة تدريب محددة إذا عملت وحدات GPU فيه بكفاءة وتناسق. لكن مقارنة الذكاء الاصطناعي الوكيلي لا تزال أولية، ولم تعلن NVIDIA عن موعد توفر الأنظمة للعملاء أو أسعارها؛ لذلك لا توضح النتائج متى يمكن استخدام هذه الأجهزة أو كم ستكلف.