A NVIDIA informou que a plataforma Vera Rubin estreou na MLPerf liderando treino, pós-treino e inferência agêntica. A empresa diz ter vencido todos os benchmarks do MLPerf Training v6.1 e obtido mais de 10x de ganho geracional em throughput por watt no MLPerf Endpoints. Em resultado provisório no modelo Kimi K3, o Vera Rubin NVL72 teria mais de 10x o throughput por watt do GB300 NVL72 na mesma velocidade de resposta. Os números são divulgados pela própria NVIDIA e ainda dependem de validação independente.
A NVIDIA divulgou os primeiros resultados da plataforma Vera Rubin em benchmarks MLPerf e afirmou que ela lidera em treinamento, pós-treinamento e inferência para agentes de IA. As informações constam em publicação da própria empresa, que descreve a estreia como o começo de uma trajetória de otimização contínua do software baseado em CUDA.
Segundo a NVIDIA, o Vera Rubin foi a única plataforma com resultados em todos os benchmarks do MLPerf Training v6.1 nesta rodada, que abrange modelos de linguagem de grande porte, geração de imagens, sistemas de recomendação e pós-treinamento por aprendizado por reforço.
Desempenho no treinamento
A empresa afirma que o Vera Rubin NVL72 entregou até 2x mais desempenho por GPU do que o GB300 NVL72, sistema que a NVIDIA descreve como altamente otimizado. A companhia classifica esses números como resultados iniciais que indicam o ritmo de inovação entre gerações.
A NVIDIA também relatou desempenho em escala. No benchmark DeepSeek-V3, o Vera Rubin NVL72 passou de 256 para 1.024 GPUs com cerca de 97% de eficiência, segundo a empresa. Na prática, quadruplicar o número de GPUs reduziu o tempo de treinamento de 16 minutos para cerca de quatro.
Ainda de acordo com a publicação, a NVIDIA executou o benchmark em 10.240 GPUs com sistemas GB300, a maior escala desta rodada. O Microsoft Azure teria atingido a mesma escala com 10.240 GPUs NVIDIA em sistemas GB200.
A empresa atribui esse desempenho à combinação de redes de interconexão. O NVLink conecta as GPUs dentro de cada sistema, enquanto o Quantum-X800 InfiniBand e o Spectrum-X Ethernet ligam os sistemas entre si no data center. Somados ao software otimizado, esses componentes manteriam milhares de GPUs trabalhando em conjunto.
Inferência para agentes de IA
No MLPerf Endpoints, primeira submissão da NVIDIA nessa categoria, a empresa afirma ter obtido mais de 10x de ganho geracional em throughput por watt para IA agêntica. A métrica mede quanto trabalho de agentes um sistema entrega por watt de energia consumido.
A NVIDIA explica que agentes de IA podem raciocinar, acionar ferramentas e revisar o próprio trabalho várias vezes para concluir uma única tarefa, e cada uma dessas etapas gera tokens. Como os data centers de IA são limitados pela energia disponível, gerar mais tokens por segundo por watt significaria atender mais agentes com a mesma potência.
O MLPerf Endpoints avalia sistemas em fluxos reais de codificação agêntica e de empresas, verificando se os agentes concluem as tarefas corretamente. A NVIDIA afirma que o Vera Rubin lidera em todos os benchmarks agênticos dessa categoria.
Em um resultado provisório com o Kimi K3, modelo aberto voltado a fluxos agênticos, a NVIDIA diz que o Vera Rubin NVL72 entrega mais de 10x o throughput por watt do GB300 NVL72 na mesma velocidade de resposta. A empresa sustenta que a plataforma desloca a curva de equilíbrio entre atender muitos usuários simultaneamente e responder rápido a cada um.
Ecossistema e ressalvas
A NVIDIA informou que 20 organizações participaram do MLPerf Training com submissões, entre elas ASUS, Azure, Cisco, CoreWeave, Crusoe, Dell Technologies, Firmus, Giga Computing, Google Cloud, HPE, Inventec, Krai, Lambda, Nebius, Oracle, Quanta Cloud Technology, Supermicro, TTA e a Universidade da Flórida.
A empresa também citou desempenho em benchmarks independentes, como SemiAnalysis AgentX e Artificial Analysis AgentPerf, como evidência de que a mesma infraestrutura atende desde pré-treinamento e pós-treinamento até inferência agêntica e cargas de computação de alto desempenho.
Há incerteza relevante nos números. Os dados divulgados vêm do comunicado da NVIDIA, que não detalha metodologia, configurações completas dos sistemas nem os resultados dos concorrentes nesta rodada. O resultado do Kimi K3 é descrito como provisório, e a menção aos benchmarks independentes não inclui valores que permitam comparação direta.
A NVIDIA afirma ainda que o desempenho do Vera Rubin deve continuar crescendo com a otimização contínua da pilha de software CUDA, argumento de que a infraestrutura adquirida hoje renderia mais ao longo do tempo. Essa projeção é uma expectativa da empresa, não um resultado medido.
Fonte original: NVIDIA: NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance.
Receba o Jornal da IA todos os dias
As notícias de inteligência artificial que importam no Brasil, com o nosso prisma e sempre com as fontes. Grátis.



