HDTECH
Kategoriler

NVIDIA, Vera Rubin ile Önde Gelen Performansı Sergileyerek MLPerf Eğitim ve Uç Nokta Testlerini Tamamen Kazandı

NVIDIA, Vera Rubin ile Önde Gelen Performansı Sergileyerek MLPerf Eğitim ve Uç Nokta Testlerini Tamamen Kazandı

NVIDIA, bugün açıklanan MLPerf benchmark sonuçlarında ilk kez yer alarak eğitim, eğitim sonrası işleme ve ajan tabanlı çıkarım alanlarında lider performans sergiledi.

NVIDIA, MLPerf Training v6.1 benchmarklarının tamamında birinciliği elde etti. İlk MLPerf Endpoints katılımında ise ajan tabanlı yapay zekanın watt başına iş çıkarma kapasitesinde 10 katın üzerinde nesilsel bir artış sağladı; bu metrik, bir sistemin her bir watt güçle ne kadar ajan tabanlı iş gerçekleştirebildiğini ölçüyor.

Bu sonuçlar henüz bir başlangıç. NVIDIA’nın CUDA tabanlı yazılım yığınındaki sürekli optimizasyonlar sayesinde Vera Rubin’in performansı artmaya devam edecek; böylece müşterilerin bugün yatırım yaptığı altyapı zamanla daha fazla değer sunacak.

NVIDIA, MLPerf Training v6.1’de Tüm Kategorileri Kazandı

Yapay zeka ajanları artık her yerde: kod yazıyor, iş akışlarını yönetiyor, müşteri sorularını yanıtlıyor ve bu haftaki SC26 konferansında da vurgulandığı gibi bilimsel araştırmaları ilerletiyor.

Daha hızlı eğitim, daha akıllı ajanların kullanıcılara daha erken ulaşmasını, ilaç keşfi modellerinin yeni laboratuvar verilerine paralel ilerlemesini ve dolandırıcılık tespit modellerinin yeni tehditlere daha hızlı uyum sağlamasını mümkün kılıyor.

MLPerf Training, bir sistemin çeşitli yapay zeka modellerini hedeflenen doğruluk seviyesine ne kadar hızlı eğitebildiğini ölçüyor.

Bu turda NVIDIA platformu, büyük dil modelleri, görüntü oluşturma, öneri sistemleri ve pekiştirmeli öğrenme sonrası işleme alanlarını kapsayan tüm benchmarklarda sonuç veren tek platform oldu. Vera Rubin NVL72, ilk katılımında GPU başına son derece optimize edilmiş NVIDIA GB300 NVL72 sisteminden 2 kata kadar daha fazla performans sundu; bu erken sonuçlar, nesiller arası inovasyonun hızını gözler önüne seriyor.

NVIDIA, Vera Rubin ile Önde Gelen Performansı Sergileyerek MLPerf Eğitim ve Uç Nokta Testlerini Tama

MLPerf Training v6.1 sonuçları 16 Kasım 2026 tarihinde www.mlcommons.org adresinden aşağıdaki girdilerden alınmıştır: 6.1-0116, 6.1-0030, 6.1-0135, 6.1-0020, 6.1-0049, 6.1-0123, 6.1-0138, 6.1-0073, 6.1-0124, 6.1-0129 ve 6.1-0038. MLPerf adı ve logosu, MLCommons Association’ın Amerika Birleşik Devletleri’ndeki ve diğer ülkelerdeki ticari markalarıdır. Tüm hakları saklıdır. İzinsiz kullanım kesinlikle yasaktır. Daha fazla bilgi için www.mlcommons.org adresini ziyaret edin.

NVIDIA ayrıca büyük ölçekli performansı da gösterdi. DeepSeek-V3 benchmarkında Vera Rubin NVL72, 256 GPU’dan 1.024 GPU’ya yaklaşık %97 verimlilikle ölçeklendi: GPU sayısının dört katına çıkarılmasıyla eğitim süresi 16 dakikadan yaklaşık dört dakikaya indi.

NVIDIA ayrıca bu turdaki en büyük ölçeği temsil eden 10.240 GPU’lu GB300 sistemleriyle benchmarkı çalıştırdı. Microsoft Azure da 10.240 NVIDIA GPU’lu GB200 sistemleriyle bu ölçeğe ulaştı.

Bu ölçekteki sonuçlar önemli, çünkü GPU eklemenin eğitimi yalnızca GPU’lar verimli bir şekilde birlikte çalışabildiğinde hızlandırması mümkün. NVIDIA NVLink ölçeklendirme ağ teknolojisi, her sistem içindeki GPU’ları tek bir birim gibi çalışacak şekilde birbirine bağlarken; NVIDIA Quantum-X800 InfiniBand ve Spectrum-X Ethernet ölçeklendirme ağ teknolojileri bu sistemleri veri merkezi genelinde birbirine bağlıyor. Optimize edilmiş yazılımla birleştiğinde bu yapı, binlerce GPU’nun uyum içinde çalışmasını sağlayarak geliştiricilerin daha akıllı modeller oluşturmasına ve eğitim sürelerini kısaltmasına yardımcı oluyor.

NVIDIA Vera Rubin, MLPerf Endpoints’te Ajan Tabanlı Çıkarımda Lider

Bir seyahati planlayıp rezerve eden bir yapay zeka ajanı veya bir sorun ortaya çıkmadan önce onu tespit edip çözen bir BT ajanı, tek bir görevi tamamlamak için defalarca mantık yürütebilir, araçları kullanabilir ve kendi işini kontrol edebilir.

Bu adımların her biri token üretir. Yapay zeka veri merkezlerinin güçle sınırlı olması nedeniyle, bir sistemin her watt başına saniyede ne kadar çok token üretebildiği, hizmet verebileceği ajan sayısını ve yarattığı değeri belirler.

MLPerf Endpoints, sistemleri gerçek ajan tabanlı kodlama ve kurumsal iş akışları üzerinde test ediyor ve ajanların görevleri doğru bir şekilde tamamladığından emin oluyor. NVIDIA Vera Rubin, tüm ajan tabanlı benchmarklarda lider konumda.

NVIDIA, Vera Rubin ile Önde Gelen Performansı Sergileyerek MLPerf Eğitim ve Uç Nokta Testlerini Tama

Örneğin, ajan tabanlı iş akışları için geliştirilmiş büyük bir açık kaynak modeli olan Kimi K3 için geçici bir sonuçta, Vera Rubin NVL72 sistemleri aynı yanıt hızında NVIDIA GB300 NVL72’den 10 katın üzerinde watt başına iş çıkarma kapasitesi sunuyor.

MLPerf® Endpoints v1.0, Kimi K3, Standardized division, Available category, 9 Kasım 2026 tarihinde yayınlandı. NVIDIA Vera Rubin NVL72, 32 hızlandırıcı, sonuç 1.0.1.kimi-k3.agentic_combined.1p, koşu 9: eşzamanlılık = 1.024 sorgu, TTFT P90 = 4.673,9 ms, sistem TPS = 41.414,2 token/saniye, E2E ortalama etkileşim = kullanıcı başına 50,4 token/saniye, işletme gücü = 100,89 kW. NVIDIA GB300 NVL72, 48 hızlandırıcı, sonuç 1.0.0.kimi-k3.agentic_combined.1, koşu 6: eşzamanlılık = 48 sorgu, TTFT P90 = 2.305,1 ms, sistem TPS = 2.210,4 token/saniye, E2E ortalama etkileşim = kullanıcı başına 56,2 token/saniye, işletme gücü = 60 kW. Karşılaştırma, kullanıcı başına 50 token/saniye’lik ortak minimum E2E ortalama etkileşimdeki kilowatt başına iş çıkarma kapasitesine dayanmaktadır. Sonuçlar 9 Kasım 2026 tarihinde endpoints.mlcommons.org adresinden alınmıştır. GB300 sonuçları MLCommons Association tarafından doğrulanmıştır. Geçici Vera Rubin sonuçları için: MLCommons Association tarafından doğrulanması beklenmekte olup, sonuçlar hakem değerlendirmesi sonucunda değişebilir. MLPerf adı ve logosu, MLCommons Association’ın Amerika Birleşik Devletleri’ndeki ve diğer ülkelerdeki tescilli ve tescilsiz ticari markalarıdır. Tüm hakları saklıdır. İzinsiz kullanım kesinlikle yasaktır. Daha fazla bilgi için www.mlcommons.org adresini ziyaret edin.

Her yapay zeka hizmeti, aynı anda çok sayıda kullanıcıya hizmet vermekle her bir kullanıcıya hızlı yanıt vermek arasında bir denge kurmak zorundadır. Vera Rubin bu dengeyi tamamen değiştirerek daha fazla kullanıcıya hizmet verirken daha hızlı yanıt veriyor.

Benchmark ve İş Yükleri Genelinde Liderlik

NVIDIA ortakları MLPerf Training’e yoğun bir şekilde katıldı ve 20 kuruluş sonuç sundu: ASUS, Azure, Cisco, CoreWeave, Crusoe, Dell Technologies, Firmus, Fujitsu, Giga Computing, Google Cloud, HPE, Inventec, Krai, Lambda, Nebius, Oracle, Quanta Cloud Technology (QCT), Supermicro, TTA ve Florida Üniversitesi.

Bu katılımlar, NVIDIA’nın açık kaynaklı kütüphaneler ve çerçevelerle donatılmış programlanabilir platformunun, geniş bir ortak ekosistemine yapay zeka eğitim performansında inovasyon ve optimizasyon yapma imkanı sunduğunu gösteriyor.

Liderlik sadece MLPerf ile sınırlı değil.

Vera Rubin ayrıca SemiAnalysis AgentX ve Artificial Analysis AgentPerf gibi bağımsız benchmarklarda da lider performans sergileyerek aynı NVIDIA altyapısının ön eğitim ve eğitim sonrası işlemden ajan tabanlı çıkarıma kadar her şeyi, hatta bu haftaki SC26’da sergilenen yüksek performanslı hesaplama gibi yapay zeka dışı iş yüklerini de verimli bir şekilde çalıştırabildiğini kanıtlıyor.

MLPerf Training ve MLPerf Endpoints teknik bloglarında sonuçların ayrıntılarını derinlemesine inceleyin.

İlginizi Çekebilir: NVIDIA, MSIT-NVIDIA Yapay Zeka Girişim Ortaklığı Forumu’nda Koreli Girişimlere Yönelik Yeni Planlı Yatırımlarını Duyurdu →
Kaynak: Blogs ↗

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir