# Vera Rubin de NVIDIA lidera las pruebas de entrenamiento de MLPerf

> NVIDIA afirma que su nueva plataforma encabezó todas las pruebas de MLPerf Training v6.1 y logró más de 10 veces el rendimiento por vatio en un resultado provisional de IA agéntica.

Oossa · 2026-11-16 · https://oossa.com/es/nvidia-s-vera-rubin-sweeps-mlperf-training-benchmarks

Fecha del evento: 2026-11-16

NVIDIA afirma que su plataforma Vera Rubin encabezó todas las pruebas de la última edición de MLPerf Training, que abarcó modelos de lenguaje, generación de imágenes, sistemas de recomendación y posentrenamiento de aprendizaje por refuerzo. Los resultados, publicados el 16 de noviembre de 2026, marcan el debut de Vera Rubin en estas pruebas. Según NVIDIA, el sistema ofreció hasta el doble de rendimiento por GPU que su sistema GB300 NVL72.

En una de las pruebas de entrenamiento, Vera Rubin escaló de 256 a 1,024 GPU con una eficiencia de alrededor del 97%, según NVIDIA. Al cuadruplicar el número de GPU, el tiempo de entrenamiento reportado bajó de 16 minutos a unos cuatro. NVIDIA también presentó resultados en todas las pruebas de entrenamiento de esta edición; la empresa afirma que fue la única plataforma en hacerlo.

## Qué mide el resultado de IA agéntica

NVIDIA también presentó por primera vez resultados en MLPerf Endpoints, que evalúa sistemas de IA en tareas de programación y flujos de trabajo empresariales de varios pasos, como usar herramientas y comprobar resultados. En una prueba con Kimi K3, NVIDIA reporta que Vera Rubin NVL72 alcanzó más de 10 veces el rendimiento por vatio de GB300 NVL72, con un mínimo común de 50 tokens por segundo por usuario. El rendimiento por vatio mide cuánto trabajo produce un sistema en relación con la energía que consume.

La comparación no enfrenta configuraciones de hardware idénticas: el resultado de Vera Rubin utilizó 32 aceleradores, mientras que el de GB300 usó 48. Además, el resultado de Vera Rubin es provisional y todavía debe ser verificado y revisado por pares por MLCommons. Las cifras reportadas indican una interactividad media de 50.4 tokens por segundo para Vera Rubin y de 56.2 para GB300.

## Un resultado de referencia, no un lanzamiento de producto

En las grandes ejecuciones de entrenamiento, añadir GPU solo ayuda si pueden trabajar juntas de forma eficiente. NVIDIA señala que sus conexiones NVLink dentro de los sistemas y las redes InfiniBand y Ethernet entre sistemas contribuyen a escalar las cargas de trabajo. La edición también incluyó una ejecución de DeepSeek-V3 con 10,240 GPU en sistemas NVIDIA GB300; Microsoft Azure presentó una ejecución de la misma escala con sistemas GB200.

Veinte organizaciones presentaron resultados de MLPerf Training con tecnología NVIDIA. Las pruebas permiten comparar el rendimiento en tareas definidas, pero el anuncio no indica cuándo estarán disponibles los sistemas Vera Rubin para los clientes ni cuánto costarán.

## Los hechos

- NVIDIA afirma que Vera Rubin encabezó todas las pruebas de MLPerf Training v6.1 en su debut.
- Vera Rubin escaló de 256 a 1,024 GPU con una eficiencia de alrededor del 97% en el resultado de NVIDIA con DeepSeek-V3.
- El resultado provisional con Kimi K3 comparó 32 aceleradores Vera Rubin con 48 aceleradores GB300.
- NVIDIA y Microsoft Azure reportaron sendas ejecuciones de DeepSeek-V3 con 10,240 GPU, en sistemas GB300 y GB200, respectivamente.
- Veinte organizaciones presentaron resultados de MLPerf Training con tecnología NVIDIA.

## Por qué importa

Para los investigadores y las empresas que entrenan modelos de IA, el resultado de escalado reportado sugiere que un sistema Vera Rubin de gran tamaño podría acortar una ejecución de entrenamiento definida si sus GPU trabajan juntas de forma eficiente. Sin embargo, la comparación de IA agéntica sigue siendo provisional y NVIDIA no ha dado detalles sobre disponibilidad para clientes ni precios, por lo que los resultados no permiten saber cuándo ni a qué costo se podrá usar este hardware.

## Fuentes y referencias

1. [NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance](https://blogs.nvidia.com/blog/mlperf-training-endpoints-vera-rubin/) – NVIDIA, 2026-11-16

Última actualización: 2026-11-16
