Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarMLCommons→ original

En la prueba MLPerf participan por primera vez Nvidia Rubin y TPU Ironwood: 153 sistemas

MLCommons publicó los resultados de MLPerf Training v6.1, el examen común en el que fabricantes y nubes miden la velocidad de entrenamiento de redes neuronales. Se presentaron 153 sistemas (250 resultados) y, por primera vez, aparecen entre ellos los nuevos aceleradores Nvidia Rubin y Google TPU Ironwood. También se añadió una prueba de posentrenamiento de Qwen3.5-397B mediante GRPO, el método con el que se entrenan los agentes. Quien elija un clúster o alquile GPU recibe una comparación independiente según reglas únicas.

Procesado por IA desde MLCommons; editado por Hamidun News
En la prueba MLPerf participan por primera vez Nvidia Rubin y TPU Ironwood: 153 sistemas
Fuente: MLCommons. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalMLCommons ↗
Editor jefe
Dato clave #1Los sistemas en la nube suponen el 37%, frente al 29% de hace seis meses, en la v6.0
Dato clave #224 participantes, con el debut de Crusoe; el sistema más grande tiene 10 240 aceleradores
Dato clave #3La prueba de recomendación DLRMv4-HSTU sustituyó a la antigua DLRM-dcnv2

Cuando una empresa decide en qué entrenar un modelo, ya sea con Nvidia, AMD o Google TPU, en un solo servidor o en un clúster de miles de aceleradores, es difícil confiar en las presentaciones de los fabricantes: cada uno muestra sus cifras con sus propias tareas. Por eso existe MLPerf Training, del consorcio MLCommons. Es un examen común: todos los participantes ejecutan las mismas tareas con las mismas reglas, y sus resultados los verifican otros colegas.

En la ronda más reciente, v6.1, se presentaron 153 sistemas (es decir, servidores y clústeres individuales) que aportaron 250 resultados. Por primera vez aparecen los nuevos aceleradores Nvidia de la generación Rubin y la TPU de séptima generación de Google, llamada Ironwood.

Además, se incorporó una prueba de posentrenamiento del modelo Qwen3.5-397B, es decir, la etapa en la que hoy se construyen los agentes de IA.

Qué cambió en la lista de participantes

Hay más participantes que en la versión récord v6.0, de hace seis meses. Enviaron resultados 24 organizaciones: AMD, Azure, Cisco, CoreWeave, Dell, Google, HPE, Lambda, Nebius, Nvidia, Oracle, Supermicro y otras. Debutó el proveedor en la nube Crusoe.

El peso de la nube crece: 57 de los 153 sistemas, es decir, el 37%, funcionan en la nube. En la v6.0 eran el 29%. Doce sistemas usan 1000 o más aceleradores, y el más grande tiene 10 240. En cuanto al hardware, la lista incluye equipos de Nvidia, AMD y Google.

El copresidente del grupo de trabajo, Pavan Yalamanchili, afirma que ahora los resultados cubren una parte mucho mayor de la «matriz de sistemas posibles». Esto significa que comparar configuraciones resulta más sencillo que antes.

Dos pruebas nuevas

La primera es DLRMv4-HSTU, una prueba de sistemas de recomendación, es decir, la parte de la IA que selecciona el feed, los vídeos y los productos que ve el usuario. Sustituye a la anterior DLRM-dcnv2. Se basa en la arquitectura HSTU con mecanismo de atención y se entrena con el conjunto de datos Yambda, uno de los mayores conjuntos abiertos para recomendaciones.

La segunda es Qwen3.5-397B, que resulta más interesante para quienes construyen agentes. Es la primera carga de posentrenamiento en la historia de MLPerf Training: un modelo grande ya preparado se ajusta con el método GRPO (Group Relative Policy Optimization). Así se enseña hoy a los modelos a razonar y a invocar herramientas. En la prueba, el modelo se entrena para resolver tareas de ingeniería de software, incluida la invocación de herramientas (tool-calling). Según los organizadores, trabajaron en este benchmark durante dos años, y el número de solicitudes muestra que los participantes lo adoptaron con rapidez.

Qué implica en la práctica

En primer lugar, la industria dispone ahora de una forma común de comparar hardware no solo en el entrenamiento desde cero, sino también en el ajuste posterior. Esta fase influye mucho hoy en la calidad de los agentes. Su perfil de carga es distinto: el sistema alterna entre generar respuestas y actualizar los pesos del modelo. Por eso, un acelerador fuerte en el entrenamiento convencional no necesariamente será el mejor aquí. Si planea posentrenar un modelo grande para sus agentes, esta es la prueba que conviene revisar.

En segundo lugar, la amplia gama de configuraciones ayuda a encontrar el «punto medio» según el presupuesto, desde un solo nodo hasta un clúster de miles de aceleradores. En el sitio de MLCommons se actualizó la página de resultados, donde se pueden comparar sistemas entre sí y ordenar configuraciones de escala similar.

También hay salvedades. Los resultados los envían los propios fabricantes y proveedores de nube, que configuran los sistemas específicamente para la prueba. En su proyecto, la velocidad puede ser otra. Además, el comunicado de prensa de MLCommons no incluye una tabla resumen con los tiempos de entrenamiento por sistema. Las conclusiones sobre los líderes habrá que extraerlas de los datos completos en el sitio del benchmark.

Aun así, para planificar compras y alquiler de GPU, MLPerf sigue siendo uno de los pocos referentes independientes. La inclusión de Rubin e Ironwood ofrece la primera oportunidad de comparar la nueva generación de aceleradores con reglas comunes.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué cambió en la lista de participantes?

Hay más participantes que en la versión récord v6.0, de hace seis meses. Enviaron resultados 24 organizaciones: AMD, Azure, Cisco, CoreWeave, Dell, Google, HPE, Lambda, Nebius, Nvidia, Oracle, Supermicro y otras. Debutó el proveedor en la nube Crusoe. El peso de la nube crece: 57 de los 153 sistemas, es decir, el 37%, funcionan en la nube. En la v6.0 eran el 29%. Doce sistemas usan 1000 o más aceleradores, y el más grande tiene 10 240. En cuanto al hardware, la lista incluye equipos de Nvidia, AMD y Google.

¿Qué se sabe sobre Dos pruebas nuevas?

La primera es DLRMv4-HSTU, una prueba de sistemas de recomendación, es decir, la parte de la IA que selecciona el feed, los vídeos y los productos que ve el usuario. Sustituye a la anterior DLRM-dcnv2. Se basa en la arquitectura HSTU con mecanismo de atención y se entrena con el conjunto de datos Yambda, uno de los mayores conjuntos abiertos para recomendaciones. La segunda es Qwen3.5-397B, que resulta más interesante para quienes construyen agentes.

¿Qué se sabe sobre Qué implica en la práctica?

En primer lugar, la industria dispone ahora de una forma común de comparar hardware no solo en el entrenamiento desde cero, sino también en el ajuste posterior. Esta fase influye mucho hoy en la calidad de los agentes. Su perfil de carga es distinto: el sistema alterna entre generar respuestas y actualizar los pesos del modelo. Por eso, un acelerador fuerte en el entrenamiento convencional no necesariamente será el mejor aquí.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…