نظام Vera Rubin NVL72 يتفوق على GB300 بمعدل يصل إلى 5,7 ضعفاً في الرموز لكل ميغاوات في اختبار AA-AgentPerf

تُظهر الأرقام المستقلة الأولى لنظام NVIDIA Vera Rubin NVL72 تبايناً كبيراً في مستوى التفوق على سابقه بحسب نمط التشغيل؛ إذ أضافت منصة Artificial Analysis خزانة الخوادم هذه إلى اختبار الأداء AA-AgentPerf. ومن حيث إجمالي معدل المعالجة لكل ميغاوات من طاقة معالجات الرسومات، يتفوق Rubin على GB300 NVL72 بمقدار يصل إلى 5,7x مع نموذج DeepSeek V4 Pro (عند ~190 رمزاً/ثانية للمستخدم)، وما يصل إلى 5,4x مع DeepSeek V4.1 Flash (~580 رمزاً/ثانية)، ونحو 3,0x مع GLM-5.2 (~165 رمزاً/ثانية)، و2,8x مع Kimi K3 (~67 رمزاً/ثانية). غير أن هذا التباين ينخفض كثيراً عند ذروة الإنتاجية الإجمالية ليصل إلى 1,14x و1,45x و1,35x و1,26x على التوالي.

لماذا يصعب تشغيل وكلاء البرمجة؟

لا يعتمد اختبار AA-AgentPerf على مدخلات ثابتة، بل يحاكي مسارات واقعية لوكلاء البرمجة أثناء معالجة مهام داخل مستودعات برمجية عامة: 500 مسار عمل و18 997 طلباً. قد يحتوي الطلب الواحد على ما يصل إلى 132K رمز إدخال، بينما تقتصر الاستجابة غالباً على استدعاء أداة قصير. وتتكرر في المتوسط 97% من بيانات الإدخال مقارنة بالطلب السابق. ففي أحد المسارات الطويلة، يرتفع حجم السياق من 10K إلى 116K رمز عبر 118 طلباً، ليرسل إلى النموذج ما مجموعه 9,7M رمز إدخال، لا تتجاوز الرموز الجديدة منها 116K فقط.

لهذا السبب، تعتمد الكفاءة كلياً على سعة ذاكرة التخزين المؤقت KV-cache وإعادة استخدامها، والتعامل مع التفاوت الكبير في معالجة المدخلات الأولية (prefill) التي تتراوح بين بضعة رموز و69K رمز في الخطوة الواحدة، إضافة إلى زمن توليد أول رمز. كما يتوقف الوكيل بين الطلبات لمدد تصل إلى 5 ثوانٍ لتنفيذ استدعاء الأدوات، وهي فترة يجب أن تصمد فيها ذاكرة التخزين المؤقت دون فقدان.

ما الذي تغير على مستوى العتاد؟

حافظت خزانة الخوادم على نفس التصميم الهيكلي لمنظومة GB300: 72 معالج رسومات و36 معالجاً مركزياً ضمن نطاق NVLink موحد. وظلت سعة الذاكرة لكل معالج رسومات كما هي عند 288 جيجابايت، ولكنها أصبحت الآن من نوع HBM4.

• نطاق تردد الذاكرة: 19,2 تيرابايت/ثانية مقارنة بـ 8 تيرابايت/ثانية في Blackwell Ultra (زيادة قدرها 2,4x).
• واجهة NVLink 6: تبلغ 3,0 تيرابايت/ثانية مقابل 1,8 تيرابايت/ثانية.
• الحوسبة الكثيفة بصيغة NVFP4: تصل إلى 35 PFLOPS مقابل 15 PFLOPS (زيادة قدرها 2,3x).
• المعالج المركزي: طراز Vera بـ 88 نواة مقابل 72 نواة في Grace، مع قناة ربط NVLink-C2C تصل سرعتها إلى 1,8 تيرابايت/ثانية نحو معالج الرسومات مقارنة بـ 0,9 تيرابايت/ثانية؛ وتُستخدم هذه القناة لنقل بيانات KV-cache المفرغة إلى ذاكرة المعالج المركزي.
• استهلاك الطاقة المقاس لمعالج الرسومات تحت الضغط: يتراوح بين 0,5 و1,9 كيلوواط مقابل 0,3 إلى 1,0 كيلوواط.

في ذروة الأداء، يحقق Rubin إنتاجية قدرها 272M رمز/ثانية لكل ميغاوات مع DeepSeek V4 Pro (مقابل 239M لنظام GB300)، و571M مع DeepSeek V4.1 Flash (مقابل 395M)، و272M مع GLM-5.2 (مقابل 201M)، و70M مع Kimi K3 (مقابل 56M). ويعد الرقم 571M قياسياً على مستوى لوحة الصدارة بالكامل. وعند حساب الأداء لكل معالج رسومات فردي، يتسع الفارق ليبلغ 2,0–2,5x عند الذروة، ويصل إلى ~18x مع DeepSeek V4.1 Flash عند معدل ~580 رمزاً/ثانية.

ويزداد الفارق لصالح Rubin في النطاقات التي يفقد فيها GB300 كفاءته؛ فعند تشغيل DeepSeek V4 Pro، يؤدي الانتقال من معدل ~120 إلى ~165 رمزاً/ثانية لكل مستخدم إلى فقدان GB300 لنحو 81% من معدل معالجته لكل ميغاوات، بينما لا يخسر Rubin سوى 16%. كما يسجل Rubin أرقاماً قياسية في السرعة: 906 رموز/ثانية مع DeepSeek V4.1 Flash (وهي النتيجة الأسرع لأي طراز على الإطلاق)، و408 رموز/ثانية مع GLM-5.2، و255 رمزاً/ثانية مع Kimi K3.

نقاط تستوجب التدقيق

تتضمن النتائج بعض الملاحظات المهمة التي أشارت إليها Artificial Analysis؛ إذ يبلغ متوسط الوقت حتى الرمز الأول (Time to First Token) في Rubin مع نموذج DeepSeek V4 Pro عند معدل ~165 رمزاً/ثانية حوالي 1,65 ثانية، مقارنة بـ 1,08 ثانية في GB300. وإذا قيس الأداء وفق السرعة الشاملة من البداية إلى النهاية (end-to-end) التي تتضمن فترة الانتظار هذه، فإن GB300 يعادل Rubin أو يتفوق عليه من حيث المعالجة لكل ميغاوات في معظم الأنماط.

إضافة إلى ذلك، تتوقف خزانات خوادم GB300 الرسمية من NVIDIA عند سرعة ~163 رمزاً/ثانية لكل مستخدم مع DeepSeek V4 Pro. والنتائج المسجلة بعد هذه النقطة اعتمدت على إعدادات مصغرة مكونة من 4 معالجات رسومات بنتها Artificial Analysis بنفسها؛ وعند تجاوز معدل ~255 رمزاً/ثانية، تولد هذه الإعدادات رموزاً لكل ميغاوات أكثر من Rubin.

أما في نموذج DeepSeek V4.1 Flash، فقد قيدت NVIDIA الاستجابات بحد أقصى بلغ 2 048 رمزاً، في حين حُددت النتائج الأخرى بسقف 16 384 رمزاً. وقد وصل نحو 2% من الردود إلى هذا السقف، وجاء متوسط طول الإجابة أقصر بنحو العُشر تقريباً، وهو ما صب قليلاً في صالح Rubin. فضلاً عن ذلك، اقتصر قياس الطاقة على معالجات الرسومات وذاكرة HBM فقط، دون احتساب المعالجات المركزية والشبكات ومنظومات التبريد.

ما يجب التحقق منه قبل الشراء

تتضح ميزة Rubin بأكبر قدر في البيئات التي تعتمد فيها المنتجات على سرعة استجابة عالية لكل مستخدم، مثل الوكلاء السريعين ذوي الإجابات القصيرة وسياقات العمل الطويلة المحفوظة في الذاكرة المؤقتة. وإذا كانت مراكز البيانات تواجه قيوداً في توفير الطاقة بدلاً من نقص عدد المسرعات، فإن المعيار الأساسي هو: عند سرعة ~165 رمزاً/ثانية للمستخدم، توفر نفس ميزانية الطاقة عدداً أكبر من الرموز بنحو 5 أضعاف مع نموذج DeepSeek V4 Pro مقارنة بـ GB300.

وقبل اتخاذ القرار النهائي، ينبغي مقارنة مقياس الأداء المستهدف، سواء كان السرعة الشاملة (end-to-end) أو سرعة التوليد اللاحقة للرمز الأول، مع مراعاة مدى الحساسية لتأخر انطلاق الاستجابة؛ ففي التطبيقات التفاعلية، يُحدث فارق النصف ثانية تأثيراً ملحوظاً. وتتيح المنصة إمكانية مراجعة إعدادات التشغيل المحددة لكل نقطة في لوحة الترتيب عبر متصفح الإعدادات، مما يوفر قاعدة ممتازة لبدء التحسين دون الحاجة لإجراء اختبارات أداء مستقلة ومكلفة.