NVIDIA Vera Rubin lidera los benchmarks MLPerf de entrenamiento e inferencia agéntica según sus propios resultados

Hecho Qué ha ocurrido
NVIDIA afirma que su plataforma Vera Rubin obtuvo el mejor resultado en todos los benchmarks de MLPerf Training v6.1 en los que presentó resultados, y más de 10x de mejora generacional en tokens por vatio en MLPerf Endpoints con el modelo Kimi K3. El resultado de Endpoints es provisional y pendiente de verificación por MLCommons. Según la propia empresa, Vera Rubin NVL72 rindió hasta 2x más por GPU que GB300 NVL72 en entrenamiento.
Resumen generado mediante IA a partir de NVIDIA Blog (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Las cifras de rendimiento por vatio son relevantes porque la energía limita la capacidad de los centros de datos para servir agentes de IA. Los comparativos los publica el propio fabricante, así que conviene leerlos como referencia y no como medida independiente.
- Quién se ve afectado
- Proveedores de nube, centros de datos y empresas que planifican inversiones en infraestructura de IA.
- Qué puede cambiar
- Si se confirman, los resultados podrían influir en qué generación de hardware se elige para entrenar y servir modelos agénticos, y en el coste por token de los servicios de inferencia.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Verificación final de los resultados provisionales de Endpoints por MLCommons, disponibilidad comercial de Vera Rubin y precios de los servicios en la nube que la adopten.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: NVIDIA Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗entrenamiento de modelosinferencia agénticaGPUcentros de datos NVIDIAMicrosoft AzureMLCommons DeepSeek-V3 Kimi K3 MLPerf Nvidia Vera Rubin
Relacionadas
NVIDIA presenta resultados MLPerf de Vera Rubin NVL72 con hasta 3,7x más rendimiento que GB300
NVIDIA presentó los primeros resultados preliminares de su sistema Vera Rubin NVL72 en MLPerf Inference v6.1, mostrando hasta 3,7x más throughput que GB300…
Por qué importaEstos benchmarks son referencia para decisiones de compra de infraestructura de IA a gran escala, ya que determinan el coste por token y la economía…
NVIDIA Vera Rubin NVL72 alcanza 30x mayor eficiencia energética en cargas de trabajo agentic
NVIDIA anunció que sus sistemas Vera Rubin NVL72 alcanzan hasta 30x mayor rendimiento por megavatio que GB300 NVL72 en cargas de trabajo de IA agentic, según…
Por qué importaPara empresas que despliegan IA agentic en producción, la eficiencia energética se traduce directamente en rentabilidad: menos megavatios consumidos…
NVIDIA presenta avances de Vera Rubin y DSX para maximizar tokens por vatio en fábricas de IA
En el AI Infra Summit, NVIDIA detalló colaboraciones y resultados de su plataforma DSX MaxLPS y sistemas Vera Rubin NVL72. Lambda logró 23% más rendimiento por…
Por qué importaLa energía se está convirtiendo en el principal cuello de botella para escalar infraestructura de IA, y estas mejoras de eficiencia determinan cuánta…
Nvidia presenta arquitectura Vera Rubin en CES 2026 con triple velocidad que Blackwell
Jensen Huang, consejero delegado de Nvidia, presentó en el CES 2026 la arquitectura Vera Rubin en estado de producción, tras ser anunciada en 2024. Vera Rubin…
Por qué importaVera Rubin representa el siguiente hito en la carrera de infraestructura de IA tras Blackwell, definiendo el estándar técnico para cargas de trabajo…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.



