NVIDIA affirme que sa plateforme Vera Rubin est arrivée en tête de tous les tests de la dernière édition de MLPerf Training, qui couvraient les modèles de langage, la génération d’images, les systèmes de recommandation et le post-entraînement par apprentissage par renforcement. Publiés le 16 novembre 2026, ces résultats marquent les débuts de Vera Rubin dans ces tests. Selon NVIDIA, le système a offert jusqu’à deux fois plus de performances par GPU que son système GB300 NVL72.
Lors d’un test d’entraînement, Vera Rubin est passée de 256 à 1 024 GPU avec une efficacité d’environ 97 %, selon NVIDIA. En multipliant le nombre de GPU par quatre, le temps d’entraînement annoncé est passé de 16 minutes à environ quatre minutes. NVIDIA a également soumis des résultats pour chacun des tests d’entraînement de cette édition ; l’entreprise affirme que sa plateforme était la seule à l’avoir fait.
Ce que mesure le résultat en IA agentique
NVIDIA a également soumis pour la première fois des résultats à MLPerf Endpoints, qui évalue des systèmes d’IA sur des tâches de programmation et des processus métier en plusieurs étapes, comme l’utilisation d’outils et la vérification des résultats. Pour un test avec Kimi K3, NVIDIA annonce un débit par watt plus de 10 fois supérieur pour Vera Rubin NVL72 par rapport à GB300 NVL72, avec un seuil minimal commun de 50 tokens par seconde et par utilisateur. Le débit par watt mesure la quantité de travail produite par un système au regard de sa consommation électrique.
La comparaison ne porte pas sur le même nombre de composants matériels : le résultat de Vera Rubin a été obtenu avec 32 accélérateurs, contre 48 pour celui de GB300. Le résultat de Vera Rubin est également provisoire et doit encore être vérifié et évalué par les pairs de MLCommons. Les chiffres annoncés indiquent une interactivité moyenne de 50,4 tokens par seconde pour Vera Rubin et de 56,2 pour GB300.
Un résultat de benchmark, pas un lancement de produit
Pour les entraînements de grande ampleur, ajouter des GPU n’est utile que s’ils peuvent travailler efficacement ensemble. NVIDIA met en avant ses connexions NVLink à l’intérieur des systèmes, ainsi que ses réseaux InfiniBand et Ethernet entre les systèmes, pour expliquer comment sa plateforme passe à l’échelle. L’édition comprenait aussi un entraînement DeepSeek-V3 avec 10 240 GPU sur des systèmes NVIDIA GB300 ; Microsoft Azure a soumis un entraînement de même ampleur sur des systèmes GB200.
Vingt organisations ont soumis des résultats à MLPerf Training en utilisant la technologie NVIDIA. Ces benchmarks permettent de comparer les performances sur des tâches définies, mais l’annonce ne précise ni quand les systèmes Vera Rubin seront proposés aux clients ni combien ils coûteront.
Pourquoi c'est important
Pour les chercheurs et les entreprises qui entraînent des modèles d’IA, le résultat annoncé sur la montée en charge laisse penser qu’un grand système Vera Rubin pourrait raccourcir un entraînement donné, à condition que ses GPU fonctionnent efficacement ensemble. Mais la comparaison en IA agentique reste provisoire et NVIDIA n’a communiqué ni date de disponibilité pour les clients ni prix : ces résultats ne permettent donc pas de savoir quand ni à quel coût le matériel pourra être utilisé.