DEV Community

IA Compa
IA Compa

Posted on Originally published at iacompa.com

NVIDIA Vera Rubin arrasa en MLPerf Training v6.1 y lidera MLPerf Endpoints en su debut

En los resultados de MLPerf publicados el 16 de noviembre de 2026, NVIDIA Vera Rubin NVL72 debutó arrasando en todas las pruebas de MLPerf Training v6.1, con hasta 2x el rendimiento por GPU de GB300 NVL72, y lideró MLPerf Endpoints con más de 10x el rendimiento por vatio para la IA con agentes.

Qué cambió en MLPerf Training v6.1 y Endpoints

La plataforma Vera Rubin de NVIDIA debutó en MLPerf con los resultados publicados el 16 de noviembre de 2026, arrasando en todas las pruebas de MLPerf Training v6.1: NVIDIA fue la única plataforma con resultados en cada prueba, que abarcan modelos de lenguaje grandes, generación de imágenes, sistemas de recomendación y postentrenamiento con aprendizaje por refuerzo. Vera Rubin NVL72 entregó hasta 2x más rendimiento por GPU que el sistema GB300 NVL72, y en la prueba DeepSeek-V3 escaló de 256 a 1.024 GPU con cerca de un 97% de eficiencia, reduciendo el tiempo de entrenamiento de 16 minutos a unos cuatro.

En su primera participación en MLPerf Endpoints, que evalúa sistemas en flujos de programación con agentes y de empresa y comprueba que los agentes completen sus tareas, Vera Rubin lideró todas sus pruebas con agentes. En un resultado provisional con Kimi K3 publicado el 9 de noviembre de 2026, Vera Rubin NVL72 entregó más de 10x el rendimiento por vatio de GB300 NVL72 a la misma velocidad de respuesta; NVIDIA señala que los resultados provisionales de Vera Rubin en Endpoints están pendientes de la verificación de MLCommons y de la revisión por pares. Google Cloud publicó el mismo día 10 resultados de MLPerf Training v6.1, con TPU Ironwood de séptima generación y GPU Grace Blackwell, incluida la primera prueba de aprendizaje por refuerzo con agentes de la ronda.

Vera Rubin MLPerf en cifras

  • Rendimiento por GPU frente a GB300 NVL72 (MLPerf Training v6.1): Hasta 2x por GPU (al 16 nov 2026)
  • Rendimiento por vatio frente a GB300 NVL72 (MLPerf Endpoints, Kimi K3): Más de 10x por vatio (provisional, al 16 nov 2026)

Por qué el debut de Vera Rubin en MLPerf importa para los negocios

Por qué importa: las empresas que sirven agentes de IA están limitadas por la energía del centro de datos, así que el rendimiento por vatio de Vera Rubin en cargas con agentes se traduce directamente en cuántos agentes puede atender una instalación por cada unidad de electricidad que puede comprar. Las cifras fechadas de MLPerf Training v6.1 y Endpoints también dan a los compradores de infraestructura una referencia independiente para comparar las plataformas de NVIDIA, Google y otros antes de comprometerse con una generación de hardware.

Fuentes

Top comments (0)