Kurz gesagt
- NVIDIA erklärte, Vera Rubin sei die einzige Plattform gewesen, die in allen Tests der MLPerf-Training-v6.1-Runde Ergebnisse eingereicht hat.
- Laut NVIDIA erreichte Vera Rubin NVL72 im DeepSeek-V3-Test beim Skalieren von 256 auf 1.024 GPUs eine Effizienz von rund 97 Prozent.
- NVIDIA meldete für den Kimi-K3-Test einen Durchsatz pro Watt, der mehr als zehnmal so hoch sei wie bei GB300 NVL72; das vorläufige Ergebnis muss noch validiert werden.
- Laut dem Unternehmen erreicht Vera Rubin NVL72 pro GPU bis zu die doppelte Leistung von GB300 NVL72.
NVIDIA veröffentlichte am 16. November 2026 die Ergebnisse von Vera Rubin für MLPerf Training v6.1 und MLPerf Endpoints. Das Unternehmen erklärte, Vera Rubin habe sowohl bei Training und Post-Training als auch bei Inferenztests für KI-Agenten überzeugt. Laut NVIDIA war die Plattform das einzige System, das in dieser Runde Ergebnisse für alle MLPerf-Training-Tests vorlegte; außerdem erzielte sie bei sämtlichen Agenten-Benchmarks von MLPerf Endpoints Spitzenwerte.
Welche Ergebnisse wurden bei den Trainingstests vorgestellt?
MLPerf Training misst, wie schnell Systeme verschiedene KI-Modelle bis zu einem vorgegebenen Genauigkeitsniveau trainieren können. Die von NVIDIA veröffentlichten Tests umfassen große Sprachmodelle, Bildgenerierung, Empfehlungssysteme und Post-Training mit bestärkendem Lernen. Das Unternehmen gibt an, dass Vera Rubin NVL72 pro GPU eine bis zu doppelt so hohe Leistung wie ein optimiertes NVIDIA-GB300-NVL72-System erreicht. Dies ist eine auf ersten Ergebnissen beruhende Angabe des Herstellers; aus der Mitteilung geht nicht hervor, dass sich dieser Leistungszuwachs bei jedem Workload erzielen lässt.
NVIDIA zufolge skalierte Vera Rubin NVL72 im DeepSeek-V3-Test von 256 auf 1.024 GPUs und erreichte dabei eine Effizienz von rund 97 Prozent. Laut den Messwerten des Unternehmens sank die Trainingszeit von 16 auf rund vier Minuten, als die Zahl der GPUs vervierfacht wurde. NVIDIA führt die Zusammenarbeit der Systeme beim groß angelegten Training auf die NVLink-Skalierungsverbindung sowie die Netzwerke Quantum-X800 InfiniBand und Spectrum-X Ethernet zurück. Die Ergebnisse seien in Kombination mit optimierter Software erzielt worden.
Ist das mehr als zehnfache Ergebnis im Agententest endgültig?
MLPerf Endpoints bewertet Agentenaufgaben wie Programmierung und Unternehmens-Workflows sowie die korrekte Ausführung dieser Aufgaben. NVIDIA meldete, Vera Rubin NVL72 habe beim Modell Kimi K3 im Durchsatz pro Watt ein mehr als zehnmal so hohes Ergebnis wie GB300 NVL72 erzielt. Der Vergleich des Unternehmens basiert auf dem Durchsatz pro Watt bei einer gemeinsamen Interaktionsschwelle von mindestens 50 Tokens pro Sekunde und Nutzer.
Dieser Wert ist weder endgültig noch unabhängig validiert. NVIDIA erklärte, das für Vera Rubin gemeldete Kimi-K3-Ergebnis warte noch auf die Validierung durch MLCommons und könne sich während der Begutachtung ändern. Bis zum Abschluss der Validierung sollte das Leistungsverhältnis daher als vorläufiges Ergebnis des Unternehmens betrachtet werden. Beim Vergleich verschiedener Systeme sollten auch Testbedingungen und Kriterien wie die Antwortgeschwindigkeit berücksichtigt werden.
Auswirkungen auf Architektur- und Visualisierungs-Workflows
In der Ankündigung werden weder Architektursoftware noch 3D-Rendering oder bestimmte Visualisierungstools getestet. Die Ergebnisse lassen sich daher nicht als Beleg dafür interpretieren, dass Vera Rubin die Renderzeiten direkt verkürzt oder eine bestimmte Designanwendung beschleunigt. Die mögliche indirekte Bedeutung liegt darin, dass Trainings- und Agenten-Workloads im Hintergrund der von Designteams genutzten KI-Dienste effizienter ausgeführt werden könnten.
Für Büros, die den Einsatz von KI-Agenten in ihren Workflows erwägen, ist die Ankündigung relevant, um Fortschritte bei der Infrastrukturleistung zu verfolgen. Sie enthält jedoch keine Angaben dazu, ob bestimmte Dienste Vera Rubin nutzen. Auch Preis, Verkaufsstart und Kompatibilität mit Architektursoftware werden in NVIDIAs Mitteilung nicht genannt. Bei der Bewertung von Hardwareinvestitionen oder Änderungen an Workflows sollten daher neben den Benchmark-Ergebnissen des Herstellers auch der Validierungsstatus und die jeweiligen Nutzungsbedingungen berücksichtigt werden.
Quellen
1 QuelleQuelltexte werden nicht neu veröffentlicht; kurze Zitate sind gekennzeichnet, der Rest ist eigene Zusammenfassung und Einordnung.
Die Vera-Rubin-Ergebnisse zeigen, dass neben der Trainingsleistung auch der Agenten-Durchsatz pro Energieeinheit bei KI-Infrastrukturen an Bedeutung gewinnt. Für Architekturbüros ist das derzeit kein Versprechen für kürzere Renderzeiten oder eine bessere Leistung in Designsoftware, sondern eine Entwicklung, die sich in der Infrastruktur der genutzten KI-Dienste niederschlagen könnte.
Für Teams in der Türkei werden bei Kaufentscheidungen die tatsächliche Verfügbarkeit, die Gesamtkosten, die Lizenzbedingungen und die Kompatibilität mit der verwendeten Software ausschlaggebend sein. Da das Kimi-K3-Ergebnis noch nicht validiert wurde, sollten die gemeldeten Werte nicht als gesicherte Leistungserwartung gelten. Bis die kommerziellen Bedingungen und die unabhängige Validierung geklärt sind, ist es sinnvoller, die Entwicklung weiter zu beobachten.
Häufige Fragen
Wie schnitt NVIDIA Vera Rubin bei MLPerf Training v6.1 ab?
NVIDIA erklärte, Vera Rubin sei die einzige Plattform gewesen, die in dieser Runde Ergebnisse für alle MLPerf-Training-Tests vorlegte. Die Tests umfassen große Sprachmodelle, Bildgenerierung, Empfehlungssysteme und Post-Training mit bestärkendem Lernen.
Wurde das mehr als zehnfache Ergebnis von Vera Rubin im Kimi-K3-Test validiert?
Nein. NVIDIA zufolge ist das Ergebnis für Vera Rubin vorläufig und wartet noch auf die Validierung durch MLCommons sowie die Begutachtung.
Verbessert Vera Rubin die Leistung bei der Architekturvisualisierung?
Die Tests in der Ankündigung messen weder Architektursoftware noch die 3D-Rendering-Leistung. Aus diesen Ergebnissen lässt sich keine Beschleunigung eines bestimmten Architektur-Workflows ableiten.



