英伟达Vera Rubin首测MLPerf全项覆盖:每GPU性能翻倍,扩展效率97%
2026年11月16日,英伟达Vera Rubin NVL72在MLPerf Training v6.1全部基准项目首秀即横扫,成为本轮唯一覆盖所有测试类别的平台。与上一代GB300 NVL72相比,每GPU训练性能最高提升2倍,在DeepSeek-V3基准上以97%效率将256至1,024 GPU的扩展效率保持在全程
2026年11月16日,MLCommons公布了MLPerf Training v6.1的结果,24家机构、153套系统合计提交250项测试成绩。这版基准第一次把强化学习后训练列为正式测试项目。在所有基准类别中都交卷的平台只有英伟达Vera Rubin NVL72一个,大语言模型训练、图像生成、推荐系统、强化学习后训练都包含在内;与GB300 NVL72相比,每GPU训练性能最高提升2倍。
2倍与97%,两个数字
英伟达官方博客给出的核心数据有两条。一是GPU数量相同时,Vera Rubin NVL72的每GPU训练性能最高可达GB300 NVL72的两倍;二是在
DeepSeek-V3基准上,系统从256块GPU扩到1,024块GPU,整体效率仍有约97%,训练时间由16分钟缩短到约4分钟。GPU数量翻4倍、训练时间接近线性缩短,这就是97%扩展效率的含义。按英伟达的说法,机架内GPU靠NVLink互联,机架间通信交给Quantum-X800 InfiniBand和Spectrum-X以太网,软件层与硬件层一起调优,才得到这个结果。
这一轮测试里英伟达还跑了极端规模:GB300系统用10,240块GPU完成全轮最大规模测试,微软Azure则以同样的10,240块GB200 GPU跟进。
云端首例:CoreWeave多机架落地成绩
CoreWeave交出的是一份Vera Rubin多机架生产环境成绩。256块Vera Rubin GPU跨多个机架部署,跑DeepSeek-V3 671B参数全量训练用了17.65分钟,同等GPU数量下比GB200 NVL72快2.7倍。Llama 3.1 8B的单机架测试(72块GPU)耗时7.16分钟,GB200基线为13.70分钟,提升约1.9倍。互联方面,CoreWeave用的是Spectrum-X以太网AI互联结构,配ConnectX-9超级网卡。
代理推理的“10倍”带着一条注脚
Vera Rubin第一次出现在MLPerf Endpoints中,32块加速器跑Kimi K3代理工作负载,吞吐量/瓦比GB300 NVL72提升超过10倍;响应速度相同的情况下功耗只有100.89千瓦,吞吐量达到41,414.2 token/秒。不过英伟达官方博客标明,Kimi K3这项结果属于临时数据,还要等MLCommons协会同行评审验证,审查过程中可能调整。
谷歌Ironwood与AMD:同一战场的另外两支队伍
谷歌TPUv7(Ironwood)也是本轮首秀。8,192块Ironwood TPU跑DeepSeek-V3基准,成绩1.70分钟,扩展效率保持在96%。谷歌还把代理强化学习编程任务第一次纳入测试,640块Ironwood TPU用18.02分钟完成,代码生成与学习并行执行期间,芯片等待时间不到3%。
AMD这边,MI355X与MI350X(CDNA 4架构)在FLUX.1图像生成基准上实现3.1倍的代际提升——64块GPU配置下,训练时间从92.36分钟降到29.58分钟。
每个基准类别都有成绩可比的参与者,只有英伟达一家。换句话说,“全胜”有一部分来自竞争对手的选择性参赛。放到算力市场看,全覆盖说明平台的通用性已经到了能在所有主流训练任务上交卷的程度。
2027年算力基准线意味着什么
MLPerf v6.1是第一个把强化学习后训练纳入正式基准的版本,代表任务是Qwen3.5-397B GRPO。大模型训练正从“单次预训练”转向“持续后训练+强化学习对齐”,算力需求的分布也随之从单一大批次训练,转向更频繁、规模更小的强化学习迭代。
97%的扩展效率,加上CoreWeave给出的2.7倍,构成了2027年数据中心采购的量化锚点。英伟达在SC26超算大会上宣布了面向科学计算的Rubin HPC,搭载超过50,000个CUDA核心,预计2028年上市。
跑分变成市场权力
MLPerf是数据中心采购谈判中被引用最多的第三方数字来源之一。Vera Rubin在全覆盖条件下交出每GPU 2倍提升和97%扩展效率,这组数字会直接写进2027年云厂商和企业算力采购的技术规格书。
谷歌Ironwood的规模化性能同样不能忽视,AMD的代际提升也在加速。但就11月16日这份公开可查的基准数据来说,英伟达用Vera Rubin回答了“下一代GPU应该能做到什么”,答案带着数字,而且经过了独立组织的评测流程。2027年的算力竞争里,这个数字会被反复引用。