NVIDIA称,其Vera Rubin平台在最新一轮MLPerf Training基准测试的所有项目中均居首,测试涵盖语言模型、图像生成、推荐系统和强化学习后训练。结果于2026年11月16日公布,这也是Vera Rubin首次参加测试。NVIDIA表示,该系统的单GPU性能最高可达GB300 NVL72系统的两倍。
NVIDIA称,在一项训练测试中,Vera Rubin将GPU数量从256张扩展至1,024张,效率约为97%。GPU数量增加至四倍后,报告的训练时间从16分钟缩短至约4分钟。NVIDIA还提交了本轮所有训练基准测试的成绩;该公司称,只有其平台参加了全部项目。
智能体AI测试结果衡量什么
NVIDIA还首次提交了MLPerf Endpoints测试成绩。该测试考察AI系统处理编程和业务工作流的能力,这些工作流包含多个步骤,例如调用工具和核查结果。在Kimi K3测试中,NVIDIA报告称,Vera Rubin NVL72的每瓦吞吐量超过GB300 NVL72的10倍;两者均以每位用户至少每秒生成50个token为条件。每瓦吞吐量衡量的是系统每单位功耗能完成多少工作。
这并非硬件数量完全相同的直接对比:Vera Rubin测试使用了32个加速器,GB300测试则使用了48个。Vera Rubin的结果也只是暂定成绩,仍待MLCommons验证和同行评审。报告数据列出的用户平均交互速度分别为:Vera Rubin每秒50.4个token,GB300每秒56.2个。
基准测试成绩不等于产品发布
对于大规模训练任务,增加GPU数量只有在它们能够高效协同工作时才有帮助。NVIDIA指出,系统内部的NVLink连接,以及系统之间的InfiniBand和以太网网络,是其扩展工作负载的关键。本轮测试还包括一次使用NVIDIA GB300系统、由10,240张GPU完成的DeepSeek-V3训练;Microsoft Azure则提交了同等规模、使用GB200系统的测试结果。
共有20家机构使用NVIDIA技术提交了MLPerf Training成绩。这些基准测试为比较特定任务上的性能提供了依据,但公告没有说明Vera Rubin系统何时向客户开放,也未公布价格。
为什么重要
对于训练AI模型的研究人员和企业而言,所报告的扩展测试结果表明,如果GPU能够高效协同工作,大型Vera Rubin系统或许可以缩短特定训练任务的用时。不过,智能体AI测试的对比结果仍属暂定,NVIDIA也尚未公布面向客户的供货时间或价格,因此这些成绩并未说明用户何时能用上这款硬件,也未说明使用成本。