В тесте MLPerf впервые участвуют Nvidia Rubin и TPU Ironwood: 153 системы
MLCommons опубликовала итоги MLPerf Training v6.1 — общего экзамена, где производители и облака меряют скорость обучения нейросетей. Сдали 153 системы (250 результатов), и впервые среди них новые ускорители Nvidia Rubin и Google TPU Ironwood. Добавили и тест дообучения Qwen3.5-397B методом GRPO, как учат агентов. Кто выбирает кластер или аренду GPU, получает независимое сравнение по единым правилам.
AI-обработка оригинала MLCommons; редакция Hamidun News
Когда компания решает, на чём обучать модель — на Nvidia, AMD или Google TPU, на одном сервере или на кластере из тысяч ускорителей, — верить презентациям вендоров трудно: каждый показывает свои цифры на своих задачах. Поэтому существует MLPerf Training от консорциума MLCommons. Это общий экзамен: все участники запускают одинаковые задачи по одинаковым правилам, а результаты проверяют коллеги. В свежем раунде v6.1 на экзамен пришли 153 системы (то есть отдельных серверов и кластеров) и принесли 250 результатов. Впервые в списке есть новые ускорители Nvidia поколения Rubin и Google TPU седьмого поколения, которое называется Ironwood. Кроме того, появился тест на дообучение модели Qwen3.5-397B, то есть на ту стадию, на которой сегодня делают ИИ-агентов.
Что изменилось в составе участников
Участников стало больше, чем в рекордной версии v6.0 полугодовой давности. Результаты прислали 24 организации: AMD, Azure, Cisco, CoreWeave, Dell, Google, HPE, Lambda, Nebius, Nvidia, Oracle, Supermicro и другие. Дебютировал облачный провайдер Crusoe.
Растёт доля облака: 57 систем из 153, или 37%, работают в облаке. В v6.0 таких было 29%. Двенадцать систем используют 1000 и больше ускорителей, а самая крупная состоит из 10 240. По железу в списке Nvidia, AMD и Google.
Сопредседатель рабочей группы Паван Яламанчили говорит, что теперь в результатах представлена гораздо большая часть «матрицы возможных систем». Это значит, что сравнивать конфигурации стало проще, чем раньше.
Два новых теста
Первый тест — DLRMv4-HSTU. Это проверка рекомендательных систем, то есть той части ИИ, которая подбирает вам ленту, видео и товары. Он заменил прежний DLRM-dcnv2. В основе лежит архитектура HSTU на механизме внимания, а учат её на датасете Yambda — одном из крупнейших открытых наборов данных для рекомендаций.
Второй тест — Qwen3.5-397B, и для тех, кто делает агентов, он интереснее. Это первая в истории MLPerf Training нагрузка на пост-обучение: большую готовую модель дообучают методом GRPO (Group Relative Policy Optimization). Так сегодня учат модели рассуждать и вызывать инструменты. В тесте модель тренируют решать задачи программной инженерии, в том числе вызывать инструменты (tool-calling). По словам организаторов, над этим бенчмарком работали последние два года, а по числу заявок видно, что участники быстро его подхватили.
Что с этим делать на практике
Во-первых, у индустрии появился общий способ сравнивать железо не только на классическом обучении с нуля, но и на дообучении. Именно оно сейчас сильно влияет на качество агентов. У него другой профиль нагрузки: система то генерирует ответы, то обновляет веса модели. Поэтому ускоритель, сильный в обычном обучении, не обязательно будет лучшим и здесь. Если вы планируете дообучать большую модель под своих агентов, смотрите именно на этот тест.
Во-вторых, широкий набор конфигураций помогает искать «золотую середину» под свой бюджет: от одного узла до кластера на тысячи ускорителей. На сайте MLCommons обновили страницу результатов: можно сравнивать системы между собой и ранжировать конфигурации похожего масштаба.
Есть и оговорки. Результаты присылают сами производители и облака, и они настраивают системы специально под тест. В вашем проекте скорость может получиться другой. Кроме того, в пресс-релизе MLCommons нет сводной таблицы с временем обучения по системам. Выводы о лидерах придётся делать по полным данным на сайте бенчмарка.
Тем не менее для планирования закупок и аренды GPU MLPerf остаётся одним из немногих независимых ориентиров. Появление в нём Rubin и Ironwood даёт первую возможность сравнить новое поколение ускорителей по единым правилам.
- 21 нояб. 2026 г.Nvidia удвоила прибыль, но акции упали на 2% из-за поиска нового гендиректора
- 21 нояб. 2026 г.Nous Research доучила китайскую Qwen3.8, и пропаганды в ответах стало 1% вместо 22%
- 21 нояб. 2026 г.Samsung хочет купить Modine — поставщика охлаждения для ЦОДов — почти за $6 млрд
- 21 нояб. 2026 г.Reuters: ИИ-стройки Китая на $3,2 млрд завязаны на чипы Nvidia, а Хуанг ушёл
Вопросы и ответы по материалу
Что известно по теме: что изменилось в составе участников?
Участников стало больше, чем в рекордной версии v6.0 полугодовой давности. Результаты прислали 24 организации: AMD, Azure, Cisco, CoreWeave, Dell, Google, HPE, Lambda, Nebius, Nvidia, Oracle, Supermicro и другие. Дебютировал облачный провайдер Crusoe. Растёт доля облака: 57 систем из 153, или 37%, работают в облаке. В v6.0 таких было 29%. Двенадцать систем используют 1000 и больше ускорителей, а самая крупная состоит из 10 240. По железу в списке Nvidia, AMD и Google.
Что известно по теме: два новых теста?
Первый тест — DLRMv4-HSTU. Это проверка рекомендательных систем, то есть той части ИИ, которая подбирает вам ленту, видео и товары. Он заменил прежний DLRM-dcnv2. В основе лежит архитектура HSTU на механизме внимания, а учат её на датасете Yambda — одном из крупнейших открытых наборов данных для рекомендаций. Второй тест — Qwen3.5-397B, и для тех, кто делает агентов, он интереснее.
Что известно по теме: что с этим делать на практике?
Во-первых, у индустрии появился общий способ сравнивать железо не только на классическом обучении с нуля, но и на дообучении. Именно оно сейчас сильно влияет на качество агентов. У него другой профиль нагрузки: система то генерирует ответы, то обновляет веса модели. Поэтому ускоритель, сильный в обычном обучении, не обязательно будет лучшим и здесь. Если вы планируете дообучать большую модель под своих агентов, смотрите именно на этот тест.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.