ToolNavs KI-Tools entdecken
Tool einreichen Anmelden
Zurück zu KI-Informationen
Vera Rubin räumt beim MLPerf-Debüt ab: Doppelte Leistung pro GPU, Skalierungseffizienz von rund 97 %

Vera Rubin räumt beim MLPerf-Debüt ab: Doppelte Leistung pro GPU, Skalierungseffizienz von rund 97 %

KI-Informationen • Admin • • 15 Aufrufe

Am 16. November 2026 hat NVIDIA während der SC26 die ersten MLPerf-Ergebnisse für seine Vera-Rubin-Plattform veröffentlicht: Die neue Plattform gewann sämtliche Benchmarks von MLPerf Training v6.1 und war die einzige Plattform mit Ergebnissen in allen Disziplinen. Die Vera Rubin NVL72 erreicht pro GPU bis zum Doppelten der Leistung der Vorgängergeneration GB300 NVL72.

Doppelte Leistung pro GPU, Skalierung fast ohne Einbußen

Im Mittelpunkt steht die Trainingsgeschwindigkeit. MLPerf Training misst, wie lange es dauert, verschiedene Modelle bis zu einer Zielgenauigkeit zu trainieren – von großen Sprachmodellen über Bilderzeugung und Empfehlungssysteme bis zum Post-Training mit Reinforcement Learning. Nach NVIDIAs Zahlen skalierte das Training von DeepSeek-V3 von 256 auf 1.024 GPUs mit rund 97 % Effizienz; die Trainingszeit sank von 16 auf etwa vier Minuten. Mit GB300-Systemen reichte NVIDIA für denselben Benchmark zudem das größte Ergebnis der Runde ein: 10.240 GPUs. Zwanzig Partnerorganisationen – darunter Azure, CoreWeave, Google Cloud, Dell, Hewlett Packard Enterprise und Oracle – reichten Ergebnisse auf dieser Plattform ein. Vera Rubin ist bereits in Supercomputing-Clustern im Einsatz; den Umfang zeigt NVIDIAs Vera Rubin landet in Supercomputing-Clustern.

Die zehnfache Effizienz vorerst nicht als Fakt werten

Die zweite Zahlenreihe betrifft agentische Inferenz. In seiner ersten MLPerf-Endpoints-Einreichung erzielte die Vera Rubin NVL72 bei der agentischen Aufgabe Kimi K3 mehr als das Zehnfache des Durchsatzes pro Watt der GB300 NVL72 – bei vergleichbarer Antwortgeschwindigkeit. Doch diese Zahl hat einen Vorbehalt: Sie ist vorläufig, hat die Prüfung der MLCommons Association noch nicht bestanden und kann sich nach dem Peer Review noch ändern. Zudem vergleicht sie nur eine einzige Konfiguration – 32 gegen 48 Beschleuniger – und lässt sich nicht zu „alle agentischen Aufgaben sind zehnmal schneller" verallgemeinern. Auch Preise und Liefertermine für Vera Rubin hat NVIDIA nicht genannt.

Für alle, die Rechenleistung einkaufen, hat das Ergebnis zwei Ebenen: Die Trainingszahlen sind von MLCommons verifiziert, der Generationensprung von Vera Rubin ist also real – Hardware-Entscheidungen und Zeitpläne für die nächste Runde des Trainings großer Modelle müssen womöglich neu gerechnet werden. Die Zehnfach-Zahl bei der Inferenz sollte dagegen erst nach dem Prüfungsergebnis bewertet werden. Auch auf der Nachfrageseite ist es heiß: Googles TPU-Auftragsbestand reicht bis 2029. Zwei Dinge sind als Nächstes zu beobachten: das Prüfungsergebnis der MLCommons zu den vorläufigen Resultaten und der Zeitpunkt, zu dem NVIDIA Liefertempo und Preise für Vera Rubin nennt. Bis dahin bleibt die GB300 die verifizierte, sofort verfügbare Wahl.

Empfohlene Tools

Mehr