NoticiasDeIA
HardwareNoticiaAlta relevancia

Vera Rubin de NVIDIA lidera MLPerf Training v6.1 en su debut

MLCommons publica MLPerf Training v6.1 y la plataforma Vera Rubin NVL72 de NVIDIA es la más rápida en seis de los siete benchmark, con hasta el doble de rendimiento por GPU frente a GB300.

Redacción de NoticiasDeIAPublicado el 6 min de lectura
Compartir
Fotografía de servidores o infraestructura tecnológica
Fotografía de servidores o infraestructura tecnológica · Pexels — Fotografía de panumas nikhomkhai

Qué se sabe y qué no. Este artículo distingue lo anunciado oficialmente de lo filtrado, especulado o todavía no confirmado. Las afirmaciones dudosas se marcan como tales en el texto.

Qué ha pasado

MLCommons, el consorcio que mantiene MLPerf, ha publicado hoy los resultados de la ronda v6.1 de MLPerf Training, el benchmark que mide cuánto tarda un sistema completo —modelo, software y hardware— en entrenar una serie de cargas de trabajo hasta alcanzar una precisión objetivo. En esta edición aparecen por primera vez los resultados de la plataforma Vera Rubin NVL72 de NVIDIA, la primera generación de aceleradores Rubin, y los de los TPUv7 (Ironwood) de Google.

NVIDIA resume que sus plataformas consiguen el mejor tiempo de entrenamiento en los siete benchmark de la ronda. En seis de ellos, el sistema más rápido es Vera Rubin NVL72; en el séptimo, DeepSeek-V3 671B, el tiempo absoluto lo tiene un clúster GB300 NVL72 de 10.240 GPU.

La novedad no es solo un cambio de chip. La ronda incorpora dos cargas que reflejan hacia dónde se mueve la industria. Una es DLRMv4-HSTU, un benchmark de recomendación que sustituye al DLRM-dcnv2 de versiones anteriores, usa la arquitectura HSTU y entrena con el conjunto Yambda. La otra, Qwen3.5-397B, es el primer benchmark de post-entrenamiento a gran escala de MLPerf Training, con GRPO (Group Relative Policy Optimization), la familia de técnicas que sustenta buena parte de los avances recientes en agentes.

Una ronda con más participación y más escala

MLCommons cifra la participación en 153 sistemas presentados y 250 resultados, con 24 organizaciones. Cincuenta y siete sistemas, el 37% del total, eran cloud, frente al 29% de la ronda v6.0. Doce sistemas usaron mil aceleradores o más, y el mayor llegó a 10.240. Entre los participantes figuran AMD, ASUSTeK, Azure, Cisco, CoreWeave, Crusoe, Dell, Fujitsu, Google, HPE, Lambda, NVIDIA, Oracle, Supermicro y la Universidad de Florida, entre otros. El consorcio subraya que es la primera vez que se presentan resultados con GPU de la generación Rubin de NVIDIA y con TPUv7 (Ironwood) de Google.

MLCommons describe MLPerf como un benchmark abierto y revisado por pares, con un campo de juego nivelado, y está curado por un panel de expertos de la comunidad de IA. Su valor para la industria no está solo en el ranking, sino en que las configuraciones publicadas permiten comparar sistemas de distinta escala y distinto hardware en las mismas cargas.

El debut de Vera Rubin NVL72

En su primera aparición, Vera Rubin NVL72 fue el sistema más rápido en seis de los siete benchmark, con hasta el doble de rendimiento por GPU que un sistema GB300 NVL72 optimizado, según NVIDIA. La empresa destaca además que sus plataformas fueron las únicas con resultados en los siete benchmarks de la ronda.

El caso más llamativo es DeepSeek-V3 671B. Vera Rubin NVL72 entrenó el benchmark en 4,14 minutos con 1.024 GPU repartidos en 16 racks, frente a los 8,03 minutos del GB300 NVL72 en la misma configuración. NVIDIA detalla que, al pasar de 256 a 1.024 GPU, la plataforma mantuvo una eficiencia de escalado superior al 97%, y el tiempo bajó de 16,12 a 4,14 minutos. La empresa atribuye ese comportamiento a NVLink 6, a las tarjetas ConnectX-9 y a las redes Quantum-X800 InfiniBand o Spectrum-X Ethernet.

En el nuevo benchmark de post-entrenamiento Qwen3.5 397B GRPO, Vera Rubin NVL72 registró 10,44 minutos con 1.024 GPU, frente a 13,78 del GB300 NVL72. NVIDIA indica que presentó resultados con dos backends de inferencia, TensorRT-LLM (10,44 minutos) y vLLM (10,94), lo que a su juicio muestra que el ecosistema de software ya está preparado para la nueva plataforma.

Las cifras por benchmark que da NVIDIA son: DeepSeek-V3 671B, 2x; gpt-oss 20B, 1,6x; Llama 3.1 8B, 1,6x; Llama 2 70B LoRA, 1,5x; FLUX.1, 1,5x; Qwen3.5 397B GRPO, 1,4x; y DLRMv4, 1,4x. La empresa también publica unas repeticiones "no verificadas" con una pila de software más reciente que, según dice, rebajan el tiempo en Llama 3.1 8B, gpt-oss 20B y DLRMv4 hasta 2,4x por encima del GB300. Esos resultados no han pasado la revisión de MLCommons y pueden usar metodologías distintas a las de los resultados verificados.

No todo es Vera Rubin. El tiempo absoluto más rápido de la ronda en DeepSeek-V3 lo consiguió un clúster GB300 NVL72 de 10.240 GPU (1,38 minutos), y Azure igualó esa escala con 10.240 GPU GB200 NVL72. Cuando NVIDIA habla de "barrer" la ronda se refiere al conjunto de sus plataformas, no a un único sistema.

Inferencia de agentes, con resultados aún provisionales

La nota de NVIDIA no se limita al entrenamiento. En su primera presentación en MLPerf Endpoints, Vera Rubin NVL72 muestra resultados provisionales con más de 10 veces el rendimiento por kilovatio del GB300 NVL72, medido con una interactividad mínima de 50 tokens por segundo por usuario en Kimi K3. En Kimi K3, DeepSeek-V4.1-Flash y Qwen3.6-35B-A3B, NVIDIA habla de entre 5x y 10x más rendimiento por kilovatio y entre 3x y 5x más interactividad que el GB300 con la misma concurrencia.

El matiz importa. MLCommons publica hoy los resultados de entrenamiento, pero los de MLPerf Endpoints son provisionales, publicados entre el 9 y el 10 de noviembre, y están pendientes de verificación. NVIDIA lo advierte en sus propios artículos técnicos: sujetos a cambios tras la revisión por pares. Son un adelanto con el sello del benchmark, no una medición cerrada.

Lectura independiente

CoreWeave, que presenta resultados por separado, ofrece una de las verificaciones externas más concretas. Asegura que entrenó DeepSeek-V3 671B en 17,65 minutos con 256 GPU Rubin repartidos en cuatro racks Vera Rubin NVL72, frente a los 48,40 minutos de su sistema GB200 NVL72 con el mismo número de GPU, y que fue el único proveedor de nube con resultados multi-rack de Rubin en la ronda. La compañía precisa que sus cifras se derivan de los resultados publicados por MLCommons.

También ayuda contextualizar que, según NVIDIA, el 80% de las presentaciones de la división cerrada usaron plataformas NVIDIA, con 20 organizaciones partner. Eso no significa que la competencia falte: AMD y Google también presentan resultados en esta ronda, y la diversidad de hardware es uno de los puntos que MLCommons destaca.

Qué está confirmado y qué no

Confirmado: MLPerf Training v6.1 se ha publicado hoy; las cifras de NVIDIA proceden de resultados recuperados de mlcommons.org el 16 de noviembre, con identificadores de envío; la participación y los récords los anuncia MLCommons; y CoreWeave aporta una verificación externa con sus propios envíos.

Matizado o no confirmado: los resultados de MLPerf Endpoints son provisionales y pueden cambiar; las repeticiones "no verificadas" de NVIDIA no pasaron la revisión de MLCommons; NVIDIA no da precios ni fechas concretas de disponibilidad, solo que los sistemas están "generalmente disponibles" en varios socios de nube; y las cifras de rendimiento corresponden a configuraciones concretas, no a una promesa general de producto.

Por qué importa

El resultado confirma dos tendencias. La primera es que el entrenamiento se mide cada vez más como un problema de sistema, no de chip: la eficiencia al escalar de 256 a 1.024 GPU, las redes y el software pesan tanto como la fotolitografía. La segunda es que el post-entrenamiento y los agentes han entrado de lleno en los benchmarks: MLPerf Training ya tiene una carga de GRPO y MLPerf Endpoints mide inferencia agente, de modo que las comparaciones dejan de limitarse al preentrenamiento.

Para los centros de datos, la cita también fija un punto de referencia público y replicable en un momento en el que la potencia disponible, más que el número de GPU, condiciona cuántos agentes se pueden servir a la vez.

Limitaciones

MLPerf mide tiempos de entrenamiento en cargas específicas, no la productividad real en producción. Los resultados de esta ronda corresponden a sistemas y configuraciones concretos, y las comparaciones más claras son las que mantienen el mismo número de aceleradores. Los resultados de MLPerf Endpoints, la parte más relevante para la inferencia de agentes, siguen siendo provisionales. Y aunque la plataforma Vera Rubin está en el mercado según NVIDIA, la compañía no detalla aquí precios, fechas de entrega ni qué cargas se beneficiarán más en cada caso de uso.

Fuentes consultadas

Se conservan las referencias para poder reconstruir cómo se verificó esta información.

Publicación de origen: https://mlcommons.org/2026/11/mlperf-training-v6-1-results/

¿Ves un error? Escríbenos indicando el dato concreto y la fuente que lo contradice. Las correcciones se aplican en la propia página y se reflejan en la fecha de actualización. Contactar con la redacción.

Sigue leyendo