Oossa

NVIDIAのVera Rubin、MLPerfの全トレーニングベンチマークで首位

NVIDIAによると、新プラットフォームはMLPerf Training v6.1の全テストで首位となり、暫定的なエージェント型AIの結果ではワット当たりの処理量が10倍超に達した。

著者: Oossa公開日: 2 分で読める

出来事の日付:

Oossaのイラスト

NVIDIAによると、最新のMLPerf Trainingでは、言語モデル、画像生成、レコメンドシステム、強化学習による事後学習など、すべてのベンチマークで同社のVera Rubinプラットフォームが首位となった。結果は2026年11月16日に発表され、Vera Rubinが同テストに初めて参加した。NVIDIAは、同システムのGPU当たりの性能がGB300 NVL72の最大2倍に達したとしている。

NVIDIAによると、あるトレーニングテストではVera RubinのGPU数を256基から1,024基に増やした際、効率は約97%だった。GPU数を4倍にしたことで、報告されたトレーニング時間は16分から約4分に短縮された。NVIDIAは今回、すべてのトレーニングベンチマークに結果を提出しており、同社によると、全項目に参加したプラットフォームはNVIDIAだけだった。

エージェント型AIの結果が示すもの

NVIDIAは今回、MLPerf Endpointsにも初めて結果を提出した。このベンチマークでは、ツールの利用や結果の確認など、複数の手順を伴うコーディングや業務のワークフローでAIシステムを評価する。Kimi K3のテストでNVIDIAは、ユーザー当たり毎秒50トークンという共通の最低条件のもと、Vera Rubin NVL72はGB300 NVL72に比べてワット当たりの処理量が10倍を超えたと報告した。ワット当たりの処理量は、消費電力に対してシステムがどれだけの処理を行えるかを示す。

ただし、この比較はハードウェアの台数をそろえた単純な比較ではない。Vera Rubinの結果ではアクセラレーターを32基、GB300の結果では48基使用した。また、Vera Rubinの結果は暫定値で、MLCommonsによる検証と査読を待っている。報告された数値では、ユーザーの平均応答性はVera Rubinが毎秒50.4トークン、GB300が56.2トークンだった。

ベンチマーク結果であり、製品発売ではない

大規模なトレーニングでは、GPUを増やすだけでなく、それらが効率よく連携できることが重要だ。NVIDIAは、システム内のNVLink接続や、システム間をつなぐInfiniBandおよびEthernetネットワークが、ワークロードの拡張を支えているとしている。今回のラウンドでは、NVIDIA GB300システムによる10,240基のGPUを使ったDeepSeek-V3の実行結果も提出された。Microsoft AzureもGB200システムを使い、同じ規模での結果を提出した。

20の組織がNVIDIAの技術を使ったMLPerf Trainingの結果を提出した。ベンチマークは、定められたタスクで性能を比較する手段となるが、今回の発表ではVera Rubinシステムの顧客向け提供時期や価格は明らかにされていない。

なぜ重要か

AIモデルをトレーニングする研究者や企業にとって、報告された拡張効率の結果は、GPUが効率よく連携すれば、大規模なVera Rubinシステムで所定のトレーニングを短時間で終えられる可能性を示している。一方、エージェント型AIの比較結果はまだ暫定的で、NVIDIAは顧客向けの提供時期や価格を明らかにしていない。そのため、いつ、いくらでこのハードウェアを利用できるのかは、今回の結果からは分からない。

この記事は役に立ちましたか?
共有

次に読む

Oossa · ニュースレター

今週のAIを、わかりやすく

毎週月曜日、知っておきたいニュースをやさしい言葉で。無料・スパムなし。