Dernières actualités
Créer une scène USD dans Houdini Solaris : guide du workflow en couchesGPT-6 Astra contribue à une preuve en physique des particules sur réseauGuide au Level Streaming d’Unreal Engine : gérer les grandes scènes archiNVIDIA Vera dévoilé : une plateforme HPC de 192 CPU pour la simulation scientifiqueNettoyer un maillage dans Blender : guide Voxel Remesh et retopologiePrix Ambasz–MoMA : le Friendship Centre, premier prix d’architecture en harmonie avec la natureComment gérer la scène, la caméra et le rendu avec Blender Python ?Importer une scène dans Unreal Engine avec Datasmith : guide archvizDéplier les UV dans Blender : des coutures pour une carte UV maîtriséeNVIDIA revendique la première place de Vera Rubin aux tests MLPerf
MatérielNVIDIANVIDIA Vera Rubin

NVIDIA revendique la première place de Vera Rubin aux tests MLPerf

NVIDIA affirme que Vera Rubin a présenté des résultats pour tous les tests de MLPerf Training v6.1 et s’est démarquée dans les benchmarks d’agents de MLPerf Endpoints. La comparaison avec Kimi K3 attend encore une validation.

Maquette architecturale visible derrière une vitre, à côté de racks de serveursImage IA
Image d’illustration générée par IA.Image : 3dsınıfı / FCA AI

En bref

  1. NVIDIA a annoncé que Vera Rubin était la seule plateforme à avoir fourni des résultats pour tous les tests de la série MLPerf Training v6.1.
  2. Selon l’entreprise, Vera Rubin NVL72 affiche une efficacité d’environ 97 % lorsqu’elle passe de 256 à 1 024 GPU dans le test DeepSeek-V3.
  3. NVIDIA a annoncé que, dans le test Kimi K3, le débit par watt dépassait de 10 fois celui de GB300 NVL72 ; le résultat est provisoire et attend une validation.
  4. L’entreprise a indiqué que Vera Rubin NVL72 pouvait offrir jusqu’à deux fois les performances par GPU de GB300 NVL72.

NVIDIA a publié les résultats de Vera Rubin pour MLPerf Training v6.1 et MLPerf Endpoints le 16 novembre 2026. L’entreprise affirme que Vera Rubin se distingue dans les tests d’entraînement et de post-entraînement, ainsi que dans ceux d’inférence d’agents d’IA. Selon NVIDIA, la plateforme est le seul système à avoir présenté des résultats pour l’ensemble des tests MLPerf Training de cette série ; elle a également obtenu les meilleurs résultats dans tous les benchmarks d’agents de MLPerf Endpoints.

Quels résultats ont été communiqués pour les tests d’entraînement ?

MLPerf Training mesure la rapidité avec laquelle les systèmes peuvent entraîner différents modèles d’IA jusqu’au niveau de précision visé. Les tests présentés par NVIDIA couvrent les grands modèles de langage, la génération d’images, les systèmes de recommandation et le post-entraînement par apprentissage par renforcement. L’entreprise indique que Vera Rubin NVL72 peut atteindre, par GPU, jusqu’à deux fois les performances d’un système NVIDIA GB300 NVL72 optimisé. Il s’agit d’une revendication du fabricant fondée sur les premiers résultats ; l’annonce ne montre pas que le même gain est obtenu pour chaque charge de travail.

NVIDIA rapporte que, lors du test DeepSeek-V3, Vera Rubin NVL72 est passée de 256 à 1 024 GPU, avec une efficacité d’environ 97 %. Selon les mesures communiquées par l’entreprise, le temps d’entraînement est passé de 16 minutes à environ quatre minutes lorsque le nombre de GPU a été multiplié par quatre. NVIDIA attribue la coordination des systèmes pour l’entraînement à grande échelle à la liaison d’interconnexion NVLink, ainsi qu’aux réseaux Quantum-X800 InfiniBand et Spectrum-X Ethernet ; l’entreprise précise que les résultats ont été obtenus avec des logiciels optimisés.

Le résultat de plus de 10 fois au test d’agents est-il définitif ?

MLPerf Endpoints évalue des tâches d’agents telles que le codage et les flux de travail d’entreprise, ainsi que leur capacité à être menées correctement à terme. NVIDIA affirme que, pour le modèle Kimi K3, Vera Rubin NVL72 a dépassé de 10 fois le débit par watt de GB300 NVL72. La comparaison de l’entreprise porte sur le débit par watt, à un seuil commun d’interaction d’au moins 50 tokens par seconde et par utilisateur.

Ce chiffre n’est pas un résultat définitif validé de manière indépendante. NVIDIA précise que le résultat annoncé pour Kimi K3 sur Vera Rubin attend la validation de MLCommons et qu’il pourrait changer au cours de l’examen par les pairs. Jusqu’à la fin de cette validation, ce ratio de performance doit donc être considéré comme un résultat provisoire de l’entreprise. Les conditions de test et des critères tels que la vitesse de réponse doivent également être pris en compte pour comparer différents systèmes.

Conséquences pour les flux de travail en architecture et en visualisation

L’annonce ne présente aucun test de logiciels d’architecture, de rendu 3D ni d’outils de visualisation spécifiques. On ne peut donc pas en conclure que Vera Rubin réduit directement les temps de rendu ou accélère une application de conception particulière. Son intérêt potentiel indirect concerne la possibilité d’exécuter plus efficacement, en arrière-plan des services d’IA utilisés par les équipes de conception, des charges de travail d’entraînement et d’agents.

Pour les bureaux qui envisagent d’intégrer des agents d’IA à leurs flux de travail, l’annonce est utile pour suivre les progrès des performances de l’infrastructure ; elle ne précise toutefois pas quels services utilisent Vera Rubin. NVIDIA ne communique pas non plus le prix du produit, sa date de commercialisation ni sa compatibilité avec les logiciels d’architecture. Lorsqu’ils évaluent un investissement matériel ou une évolution de leurs flux de travail, il convient donc de ne pas se fier uniquement aux résultats de benchmarks du fabricant, mais aussi de tenir compte de leur statut de validation et des conditions d’utilisation correspondantes.

Sources

1 source
NB
NVIDIA Blogblogs.nvidia.com/blog/mlperf-training-endpoints-vera-rubin
Résumé

Les textes sources ne sont pas republiés ; les courtes citations sont signalées, le reste est notre propre résumé et commentaire.

L’avis de 3dsınıfı
3dL’analyse de la rédaction

Les résultats de Vera Rubin montrent que, dans l’infrastructure d’IA, le débit des agents par unité d’énergie prend de l’importance, au même titre que les performances d’entraînement. Pour les bureaux d’architecture, il ne s’agit pas aujourd’hui d’une promesse concernant directement les temps de rendu ou les performances des logiciels de conception, mais d’une évolution susceptible de se répercuter sur l’infrastructure des services d’IA utilisés.

Pour les équipes en Turquie, l’accès réel, le coût total, les licences et la compatibilité avec les logiciels utilisés seront déterminants dans la décision d’achat. Le résultat de Kimi K3 n’ayant pas encore été validé, il serait imprudent de considérer les chiffres annoncés comme des performances garanties. Mieux vaut suivre l’évolution de la situation jusqu’à ce que les conditions commerciales et la validation indépendante soient clarifiées.

Questions fréquentes

Quel résultat NVIDIA a-t-il obtenu avec Vera Rubin dans MLPerf Training v6.1 ?

NVIDIA a annoncé que Vera Rubin était la seule plateforme à avoir présenté des résultats pour tous les tests MLPerf Training de cette série. Les tests couvrent les grands modèles de langage, la génération d’images, les systèmes de recommandation et le post-entraînement par apprentissage par renforcement.

Le résultat de plus de 10 fois obtenu par Vera Rubin au test Kimi K3 a-t-il été validé ?

Non. NVIDIA indique que le résultat de Vera Rubin est provisoire et attend la validation de MLCommons ainsi que l’examen par les pairs.

Vera Rubin améliore-t-elle les performances en visualisation architecturale ?

Les tests de l’annonce ne mesurent ni les logiciels d’architecture ni les performances en rendu 3D. Ces résultats ne permettent pas de conclure à une accélération d’un flux de travail architectural particulier.

Les commentaires et le forum sont en turc.Rejoindre la discussion
+

À lire aussi