No MLPerf Training, pela primeira vez, aparecem Nvidia Rubin e TPU Ironwood: 153 sistemas
A MLCommons publicou os resultados do MLPerf Training v6.1, o exame comum em que fabricantes e provedores de nuvem medem a velocidade de treinamento de redes neurais. Participaram 153 sistemas (250 resultados), e pela primeira vez aparecem os novos aceleradores Nvidia Rubin e Google TPU Ironwood. O benchmark também ganhou um teste de pós-treinamento do Qwen3.5-397B com o método GRPO, usado para treinar agentes. Quem escolhe um cluster ou aluga GPUs recebe uma comparação independente, feita com regras iguais para todos.
Processado por IA de MLCommons; editado por Hamidun News
Quando uma empresa decide em que treinar um modelo, seja na Nvidia, na AMD ou nas Google TPUs, em um único servidor ou em um cluster de milhares de aceleradores, é difícil confiar nas apresentações dos fabricantes: cada um mostra seus próprios números, em suas próprias tarefas. Por isso existe o MLPerf Training, do consórcio MLCommons. É um exame comum: todos os participantes executam as mesmas tarefas com as mesmas regras, e os resultados são verificados por outros participantes.
Na rodada mais recente, a v6.1, fizeram o exame 153 sistemas (ou seja, servidores e clusters individuais), que geraram 250 resultados. Pela primeira vez, a lista inclui os novos aceleradores Nvidia da geração Rubin e as Google TPUs de sétima geração, chamadas Ironwood.
Além disso, entrou um teste de pós-treinamento do modelo Qwen3.5-397B, ou seja, a etapa em que hoje se constroem os agentes de IA.
O que mudou na composição dos participantes
Houve mais participantes do que na versão v6.0, recorde de meio ano atrás. Enviaram resultados 24 organizações: AMD, Azure, Cisco, CoreWeave, Dell, Google, HPE, Lambda, Nebius, Nvidia, Oracle, Supermicro e outras. Estreou o provedor de nuvem Crusoe.
A nuvem ganha espaço: 57 dos 153 sistemas, ou 37%, rodam em nuvem. Na v6.0 eram 29%. Doze sistemas usam 1000 ou mais aceleradores, e o maior tem 10 240. Em termos de hardware, a lista traz Nvidia, AMD e Google.
O copresidente do grupo de trabalho, Pavan Yalamanchili, afirma que os resultados agora cobrem uma parte bem maior da "matriz de sistemas possíveis". Na prática, isso significa que comparar configurações ficou mais fácil do que antes.
Dois testes novos
O primeiro é o DLRMv4-HSTU, que avalia sistemas de recomendação, a parte da IA que escolhe o que aparece no seu feed, nos vídeos e nos produtos. Ele substituiu o antigo DLRM-dcnv2. A base é a arquitetura HSTU, com mecanismo de atenção, treinada no dataset Yambda, um dos maiores conjuntos abertos de dados para recomendação.
O segundo é o Qwen3.5-397B, e para quem desenvolve agentes ele é o mais interessante. É a primeira carga de pós-treinamento na história do MLPerf Training: um modelo grande e já pronto é ajustado com o método GRPO (Group Relative Policy Optimization). É assim que hoje se ensinam modelos a raciocinar e a chamar ferramentas. No teste, o modelo é treinado para resolver tarefas de engenharia de software, incluindo chamadas de ferramentas (tool-calling). Segundo os organizadores, o benchmark vinha sendo desenvolvido há dois anos, e o número de inscrições mostra que os participantes adotaram o teste rapidamente.
O que fazer com isso na prática
Primeiro, a indústria ganhou uma forma comum de comparar hardware não apenas no treinamento clássico do zero, mas também no ajuste fino. É justamente essa etapa que hoje mais influencia a qualidade dos agentes. O perfil de carga é diferente: o sistema ora gera respostas, ora atualiza os pesos do modelo. Por isso, um acelerador forte no treinamento convencional não será necessariamente o melhor aqui. Se você pretende ajustar um modelo grande para os seus agentes, esse é o teste a observar.
Segundo, a variedade de configurações ajuda a encontrar o equilíbrio certo para o seu orçamento, de um único nó até um cluster com milhares de aceleradores. O site da MLCommons atualizou a página de resultados: é possível comparar sistemas entre si e ranquear configurações de escala parecida.
Há também ressalvas. Os resultados são enviados pelos próprios fabricantes e provedores de nuvem, que configuram os sistemas especificamente para o teste. No seu projeto, a velocidade pode sair diferente. Além disso, o comunicado da MLCommons não traz uma tabela-resumo com o tempo de treinamento por sistema. Conclusões sobre os líderes precisam ser tiradas dos dados completos no site do benchmark.
Ainda assim, para planejar compras e aluguel de GPUs, o MLPerf continua sendo uma das poucas referências independentes disponíveis. A presença de Rubin e Ironwood oferece a primeira chance de comparar a nova geração de aceleradores com regras iguais para todos.
- 21 de nov. de 2026Nvidia dobrou o lucro, mas ações caem 2% por causa da busca por um novo CEO
- 21 de nov. de 2026Nous Research retreinou o chinês Qwen3.8, e a propaganda nas respostas caiu de 22% para 1%
- 21 de nov. de 2026Samsung quer comprar a Modine, fornecedora de refrigeração para data centers, por quase US$ 6 bilhões
- 21 de nov. de 2026Reuters: projetos de IA na China no valor de US$ 3,2 bilhões dependem de chips da Nvidia, e Huang deixou o cargo
Perguntas frequentes sobre a notícia
O que mudou na composição dos participantes?
Houve mais participantes do que na versão v6.0, recorde de meio ano atrás. Enviaram resultados 24 organizações: AMD, Azure, Cisco, CoreWeave, Dell, Google, HPE, Lambda, Nebius, Nvidia, Oracle, Supermicro e outras. Estreou o provedor de nuvem Crusoe. A nuvem ganha espaço: 57 dos 153 sistemas, ou 37%, rodam em nuvem. Na v6.0 eram 29%. Doze sistemas usam 1000 ou mais aceleradores, e o maior tem 10 240. Em termos de hardware, a lista traz Nvidia, AMD e Google.
O que se sabe sobre Dois testes novos?
O primeiro é o DLRMv4-HSTU, que avalia sistemas de recomendação, a parte da IA que escolhe o que aparece no seu feed, nos vídeos e nos produtos. Ele substituiu o antigo DLRM-dcnv2. A base é a arquitetura HSTU, com mecanismo de atenção, treinada no dataset Yambda, um dos maiores conjuntos abertos de dados para recomendação. O segundo é o Qwen3.5-397B, e para quem desenvolve agentes ele é o mais interessante.
O que fazer com isso na prática?
Primeiro, a indústria ganhou uma forma comum de comparar hardware não apenas no treinamento clássico do zero, mas também no ajuste fino. É justamente essa etapa que hoje mais influencia a qualidade dos agentes. O perfil de carga é diferente: o sistema ora gera respostas, ora atualiza os pesos do modelo. Por isso, um acelerador forte no treinamento convencional não será necessariamente o melhor aqui. Se você pretende ajustar um modelo grande para os seus agentes, esse é o teste a observar.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.