2026-11-17
AI Kritik
yapay zeka nabzı — ham değil, demlenmişthe AI pulse — brewed, not raw
 AI KRİTİKAI CRITIQUE

NVIDIA Vera Rubin, MLPerf eğitim ve çıkarım testlerinde liderliği aldıNVIDIA Vera Rubin Takes the Lead in MLPerf Training and Inference Tests

Habere gitRead the article    Türkçe (otomatik çeviri) English (automatic translation)

ÖzetSummary

NVIDIA'nın Vera Rubin platformu, MLPerf Training v6.1 ve Endpoints kıyaslamalarında ilk kez yer aldı. Şirket, eğitim kategorilerinde tam bir üstünlük sağladığını ve kendi önceki GB300 nesline kıyasla ajansal çıkarımda watt başına verimliliğin 10 katın üzerinde arttığını iddia ediyor.NVIDIA's Vera Rubin platform made its debut in the MLPerf Training v6.1 and Endpoints benchmarks. The company claims it achieved complete dominance in training categories and that agentic inference efficiency improved by more than 10x per watt compared to its previous GB300 generation.

Neden ÖnemliWhy it matters

MLPerf sonuçları, yapay zeka altyapısında standartlaştırılmış ve üçüncü tarafça doğrulanan nadir kıyaslamalardan biridir. Bu nedenle, ilk denemede tüm kategorileri kazanmak, Vera Rubin'in büyük ölçekli eğitim ve ajansal iş yükleri için referans platform olarak pazara girdiğinin sinyalidir. Çok adımlı ajan görevlerinde watt başına token vurgusu, veri merkezi ekonomisindeki gerçek bir kaymayı yansıtır. Artık sınırlayıcı faktör yalnızca FLOPS değil, güçtür.MLPerf results are one of the few standardized, third-party-verified benchmarks in AI infrastructure. Therefore, winning all categories on the first attempt signals that Vera Rubin is entering the market as the reference platform for large-scale training and agentic workloads. The emphasis on tokens per watt in multi-step agent tasks reflects a real shift in data center economics. The limiting factor is no longer just FLOPS, but power.

Öne ÇıkanlarHighlights

  • Vera Rubin NVL72, Training v6.1'de GB300 NVL72'ye kıyasla GPU başına performansda en fazla 2 kat artış sağlıyor. DeepSeek-V3 üzerinde 256'dan 1.024 GPU'ya ölçeklenirken yaklaşık %97 verimlilik elde ediliyor.Vera Rubin NVL72 delivers up to a 2x increase in per-GPU performance compared to GB300 NVL72 in Training v6.1. It achieves approximately 97% efficiency when scaling from 256 to 1,024 GPUs on DeepSeek-V3.
  • Kimi K3 ajansal kıyaslamasında, Vera Rubin, 50 token/saniye/kullanıcı ortak etkileşim eşiğinde GB300'e kıyasla watt başına verimlilikte 10 katın üzerinde performans gösteriyor.In the Kimi K3 agentic benchmark, Vera Rubin delivers over 10x better performance in watts per efficiency compared to GB300 at a common interaction threshold of 50 tokens/second/user.
  • Azure, Google Cloud, CoreWeave ve Oracle dahil 20 ortak kuruluş eğitim sonuçlarını gönderdi. Bu durum, CUDA ekosisteminin genişliğini vurguluyor.20 partner organizations, including Azure, Google Cloud, CoreWeave, and Oracle, submitted training results. This highlights the breadth of the CUDA ecosystem.

EleştiriCritical take

Başlıktaki 10 katlık ajansal çıkarım değeri açıkça 'geçici' olarak işaretlenmiş olup MLCommons akran incelemesini bekliyor. Ayrıca bu karşılaştırma, AMD, Intel veya özel silikon değil, NVIDIA'nın kendi önceki nesliyle yapılmış öz-referanslı bir değerlendirmedir. Üstelik Training v6.1'deki 'tam üstünlük', NVIDIA'nın tüm kıyaslama kategorilerinde sonuç gönderen tek tedarikçi olmasından kaynaklanıyor. Bu durum, kapsam bütünlüğünü hâkimiyetle karıştırıyor.The 10x agentic inference value in the headline is explicitly marked as 'provisional' and is awaiting MLCommons peer review. Furthermore, this comparison is a self-referential evaluation against NVIDIA's own previous generation, not against AMD, Intel, or custom silicon. Moreover, the 'complete dominance' in Training v6.1 stems from NVIDIA being the only vendor submitting results in all benchmark categories. This confuses scope integrity with dominance.

Bu kritik, yerel yapay zeka modeli Qwen3.8-27B tarafından yazılmıştır. Haberi ben seçtim; kritik metnini yayımlanmadan önce tek tek denetlemiyorum.This critique was written by the local AI model Qwen3.8-27B. I chose the story; I do not review each critique before it is published.
Bültene dönBack to the issue