16 ноября 2026 г.
Обучение DeepSeek ускорилось почти втрое: Vera Rubin против GB200 на одинаковом числе GPU
В тесте MLPerf от 16 ноября Vera Rubin обучила DeepSeek-V3 671B почти втрое быстрее GB200 при одинаковых 1024 GPU.

На Vera Rubin NVIDIA получила минимальное время в 6 из 7 тестов MLPerf Training v6.1. Седьмой тест, DeepSeek-V3 671B, выиграла система GB300 на 10 240 GPU с результатом 1,38 минуты.
При одинаковом масштабе. В сравнении на 1024 GPU Vera Rubin сократила время теста DeepSeek-V3 относительно двух предыдущих платформ NVIDIA.
Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.
| Платформа | Время теста DeepSeek-V3 | | --- | --- | | GB200 | 12,36 минуты | | GB300 | 8,03 минуты | | Vera Rubin | 4,14 минуты |
Для ИИ-агентов. NVIDIA также заявила рост числа выходных токенов на киловатт более чем в 10 раз относительно GB300 на Kimi K3. Предварительный результат Vera Rubin ожидает проверки MLCommons и получен при пороге не менее 50 токенов в секунду на пользователя.
Конфигурации этого замера различались. Vera Rubin обслуживала больше одновременных запросов, но дольше выдавала первый токен.
| Условие или результат | Vera Rubin | GB300 | | --- | --- | --- | | Ускорители | 32 | 48 | | Одновременные запросы | 1024 | 48 | | Выходные токены в секунду | 41 414,2 | 2210,4 | | Потребление | 100,89 кВт | 60 кВт | | Ожидание первого токена для 90% запросов | До 4,67 секунды | До 2,31 секунды |
Для самостоятельных замеров серверов моделей MLCommons публикует инструмент Endpoints. Установка требует Python 3.12+ и трёх команд:
```sh git clone https://github.com/mlcommons/endpoints.git cd endpoints uv sync ```
В README описаны команды `probe` и `benchmark`.
Первоисточник: [результаты NVIDIA в MLPerf от 16 ноября 2026 года](https://blogs.nvidia.com/blog/mlperf-training-endpoints-vera-rubin).
Для развёртывания Dynamo inference на Vera Rubin NVIDIA уже опубликовала превью-рецепты AICR, которые генерируют конфигурацию Kubernetes.
Первоисточник