Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарMLCommons→ оригинал

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
В тесте MLPerf впервые участвуют Nvidia Rubin и TPU Ironwood: 153 системы
Источник: MLCommons. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникMLCommons ↗
Главный редактор
Ключевой факт #1Облачных систем 37% против 29% полгода назад, в v6.0
Ключевой факт #224 участника, впервые Crusoe; крупнейшая система — 10 240 ускорителей
Ключевой факт #3Тест рекомендаций DLRMv4-HSTU заменил старый DLRM-dcnv2

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.

Сюжет

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.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

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.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…