Vera Rubin NVL72 تنتج رموزًا أكثر بخمس مرات لكل GPU مقارنة بـ GB300 على DeepSeek V4.1 Flash

اعتاد الجميع مقارنة المسرّعات برقم واحد: «أسرع بكذا مرة». وتُظهر بيانات Artificial Analysis الجديدة حول Vera Rubin NVL72 بوضوح لماذا لا يكفي رقم واحد. فقد قدّمت NVIDIA إعدادات محدّثة لـ Rubin مع نموذج DeepSeek V4.1 Flash، وتتوقف النتيجة على السرعة التي تَعِد بها كل مستخدم أو وكيل.

ما الذي جرى قياسه

المقياس هنا هو الإنتاجية لكل وحدة GPU (رموز في الثانية) عند سرعة محددة لكل وكيل. وهذه نقطة مهمة. يمكن تحميل البطاقة بحيث تنتج أقصى عدد من الرموز إجمالًا، لكن كل طلب فردي سيكون بطيئًا حينها. ويمكن في المقابل الحفاظ على سرعة عالية لكل وكيل، فينخفض العائد الإجمالي لكل GPU. وكل منصة تعمل على منحنى بين هذين الطرفين، ويجب مقارنة نقاط عند السرعة نفسها.

تجري المقارنة مع النتائج المحسّنة لـ GB300، أي مع جيل جرى تحسينه برمجيًا بالفعل. وهذا أكثر إنصافًا من مقارنته بأرقام إطلاقه الأولى.

الأرقام

عند 260 رمزًا في الثانية لكل وكيل، تنتج Vera Rubin رموزًا أكثر بـ 5.0 مرات لكل GPU من GB300. وعند 80 رمزًا/ثانية يتقلص الفارق إلى 1.7x. أما في حالة الوكيل الواحد فالنتيجة: 1٬249 رمزًا/ثانية لـ Rubin مقابل 848 لـ GB300، أي 1.47x.

الصورة واضحة. كلما ارتفعت السرعة المطلوب ضمانها لكل وكيل، تفوقت البنية الجديدة أكثر. فعند السرعات المنخفضة تكون الميزة أكثر تواضعًا، وعند العالية تكون متعددة الأضعاف. ولا يشرح المنشور السبب، ولا ينبغي التخمين حول الأسباب دون تفاصيل الإعدادات. لكن الخلاصة العملية لا تتغير.

لماذا يهم هذا الوكلاء

تتأثر سيناريوهات الوكلاء تحديدًا بالسرعة لكل جلسة. فالوكيل يجري عشرات الاستدعاءات المتتالية: يخطط، ويستخدم الأدوات، ويتحقق من النتيجة، ويعيد الكتابة. وإذا كانت كل خطوة تُولَّد ببطء، تتراكم التأخيرات، وينتظر المستخدم دقائق بدل ثوانٍ. لذلك فإن نمط «سريع ولكل واحد» أقرب إلى واقع الوكلاء من نمط «أقصى عدد رموز إجمالًا» المناسب للمعالجة الدفعية.

وفي هذا النمط، بحسب الأرقام، تُظهر Rubin قدراتها: فـ 5x لكل GPU تعني أن الحجم نفسه من جلسات الوكلاء السريعة يمكن خدمته بعدد أقل بكثير من البطاقات. وبالنسبة لمزوّد الاستدلال، ينعكس ذلك مباشرة على تكلفة الرمز وعلى الباقات ذات السرعة المضمونة التي يستطيع تقديمها.

القيود

ينبغي تذكّر بضعة أمور. أولًا، هذه نتائج قدّمتها NVIDIA نفسها، والإعدادات مُنتقاة لنموذج محدد هو DeepSeek V4.1 Flash. ومع نموذج آخر أو حجم سياق مختلف قد تختلف النسب. ثانيًا، ينقل المنشور نسبًا لا سعرًا: فلا يمكن أن نعرف من البيانات كم يكلف رف NVL72 على Rubin ومتى سيتوفر في السحابة. ثالثًا، تُظهر نسبة 1.47x للوكيل الواحد أن الترقية تعطي أثرًا أقل بكثير في الأحمال ذات التوازي المنخفض.

ماذا تفعل عمليًا

إذا كنت تبني منتجًا على الوكلاء وتستأجر الاستدلال بنفسك، فلا تسأل المزوّد «كم رمزًا في الثانية»، بل «كم لكل GPU عند سرعتي المستهدفة لكل وكيل». حدّد السرعة التي تحتاجها: فـ 80 رمزًا/ثانية و260 رمزًا/ثانية يعطيان اقتصادًا مختلفًا تمامًا. وإذا كنت تخطط للشراء أو للعقود طويلة الأجل، فافترض أن مكسب الجيل الجديد غير خطي ويظهر بأقوى صورة في السيناريوهات التفاعلية السريعة. أما إذا كان حملك معالجة دفعية في الخلفية، فالانتظار لـ Rubin من أجل أثر متعدد الأضعاف غالبًا لا يستحق، فالفارق هناك سيكون أقرب إلى المعتدل.