Tecnología

🌐 NVIDIA destaca en MLPerf con la plataforma Vera Rubin y su rendimiento líder

17 de noviembre de 2026 ⏱ 4 min lectura
Compartir 𝕏 in WhatsApp ✉ Email

NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance

En su debut en los benchmarks de MLPerf, la plataforma Vera Rubin de NVIDIA ha demostrado un rendimiento líder en entrenamiento, post-entrenamiento e inferencia agéntica. NVIDIA ha arrasado con cada benchmark de MLPerf Training v6.1 y, en su primera presentación en MLPerf Endpoints, ha logrado más de 10 veces las ganancias generacionales en rendimiento por vatio para IA agéntica, lo que mide cuánta carga de trabajo agéntica entrega un sistema con cada vatio de energía.

Estos resultados son solo el comienzo. El rendimiento de Vera Rubin seguirá aumentando a través de la optimización continua del stack de software potenciado por CUDA de NVIDIA, asegurando que la infraestructura en la que los clientes invierten hoy ofrezca más valor con el tiempo.

Los agentes de IA están ahora en todas partes, escribiendo código, ejecutando flujos de trabajo empresariales, respondiendo preguntas de clientes y, como destaca la conferencia SC26 de esta semana, avanzando en la investigación científica. Un entrenamiento más rápido significa que los agentes más inteligentes pueden llegar a los usuarios más pronto, los modelos de descubrimiento de fármacos pueden mantenerse al día con nuevos datos de laboratorio y los modelos de detección de fraudes pueden adaptarse más rápidamente a nuevas amenazas.

MLPerf Training mide la rapidez con la que un sistema puede entrenar una gama de modelos de IA hasta un nivel objetivo de precisión. La plataforma de NVIDIA fue la única con resultados en cada benchmark de esta ronda, abarcando modelos de lenguaje grande, generación de imágenes, sistemas de recomendación y aprendizaje por refuerzo post-entrenamiento. En su debut, Vera Rubin NVL72 entregó hasta 2 veces más rendimiento por GPU que el sistema altamente optimizado NVIDIA GB300 NVL72, mostrando los primeros resultados del ritmo de innovación generación tras generación.

NVIDIA también demostró rendimiento a escala. En el benchmark DeepSeek-V3, Vera Rubin NVL72 escaló de 256 a 1,024 GPUs con aproximadamente un 97% de eficiencia: cuadruplicar las GPUs redujo el tiempo de entrenamiento de 16 minutos a aproximadamente cuatro. NVIDIA también ejecutó el benchmark en 10,240 GPUs con sistemas GB300, representando la escala más grande en esta ronda. Microsoft Azure igualó esa escala con 10,240 GPUs NVIDIA con sistemas GB200.

Los resultados a esta escala son importantes porque agregar GPUs solo acelera el entrenamiento si pueden trabajar juntas eficientemente. La red de escalado NVIDIA NVLink conecta las GPUs dentro de cada sistema para que actúen como uno solo, mientras que las redes de escalado NVIDIA Quantum-X800 InfiniBand y Spectrum-X Ethernet vinculan esos sistemas a través del centro de datos. Combinado con software optimizado, esto mantiene miles de GPUs trabajando en conjunto, ayudando a los desarrolladores a construir modelos más inteligentes mientras se reducen los tiempos de entrenamiento.

Un agente de IA para viajes que planea y reserva un viaje completo, o un agente de TI que encuentra y soluciona un problema antes de que alguien presente un ticket, puede razonar, llamar a herramientas y verificar su trabajo muchas veces para completar una sola tarea. Cada uno de esos pasos genera tokens. Dado que los centros de datos de IA están limitados por la energía, cuanto más tokens pueda generar un sistema cada segundo por cada vatio de energía, más agentes puede servir y más valor crea.

MLPerf Endpoints prueba los sistemas en codificación agéntica real y flujos de trabajo empresariales, y verifica que los agentes aún completen sus tareas correctamente. NVIDIA Vera Rubin lidera en todos sus benchmarks agénticos.

Por ejemplo, en un resultado provisional para Kimi K3, un modelo abierto grande construido para flujos de trabajo agénticos, los sistemas Vera Rubin NVL72 entregan más de 10 veces el rendimiento por vatio del NVIDIA GB300 NVL72 a la misma velocidad de respuesta.

Cada servicio de IA debe equilibrar el servicio a muchos usuarios a la vez contra la respuesta rápida a cada uno. Vera Rubin cambia toda esa curva, sirviendo a más usuarios mientras responde más rápido.

NVIDIA y sus socios participaron extensamente en MLPerf Training, con presentaciones de 20 organizaciones, mostrando cómo la plataforma programable de NVIDIA, con bibliotecas y frameworks de código abierto, permite a un vasto ecosistema de socios innovar y optimizar el rendimiento del entrenamiento de IA.

Fuente: https://blogs.nvidia.com/blog/mlperf-training-endpoints-vera-rubin/

Leer en

¿Te ha interesado esta noticia?

Recibe cada mañana el resumen de IA y sociedad directo en tu email.

Suscríbete gratis →