Що сталося
16 червня 2026 року консорціум MLCommons оприлюднив результати MLPerf Training v6.0 — галузевого набору тестів швидкості навчання ШІ. Системи на архітектурі NVIDIA Blackwell посіли перші місця в усіх бенчмарках раунду: і за абсолютним часом навчання «на масштабі», і за продуктивністю в перерахунку на один прискорювач.
Деталі
- Нове покоління NVIDIA GB300 NVL72 показало до 1,6× швидше навчання, ніж торішня GB200 NVL72.
- На найбільшій MoE-моделі набору — DeepSeek-V3 на 671 млрд параметрів — NVIDIA масштабувала прогін до 8192 прискорювачів (GB200 NVL72): найбільша Blackwell-заявка в історії MLPerf. Microsoft Azure навчила Llama 3.1 405B на 8192 прискорювачах і досягла цільової якості за 7,07 хвилини.
- До раунду додали два нові тести на MoE-моделях (DeepSeek-V3 671B і GPT-OSS 20B) — розріджені обчислення стали головним трендом. Учасників рекордно багато: 24 організації, 95 унікальних систем, 13 типів прискорювачів; 60% конфігурацій — багатовузлові.
Що це означає
Стосується тих, хто орендує або будує інфраструктуру для навчання та інференсу великих моделей — від стартапів до хмар. Головне тут не «NVIDIA знову перша» (це очікувано), а дві практичні речі. Перша: зростання GB300 до GB200 у 1,6× означає, що той самий бюджет на навчання дає помітно більше — коротший цикл ітерацій і нижча ціна навчання. Друга: поява в тестах MoE-моделей на кшталт DeepSeek-V3 671B фіксує, куди змістилася індустрія — масові моделі тепер розріджені, і залізо оптимізують саме під них. Горизонт — практичний уже зараз: ці системи доступні в хмарах, а незалежний характер MLPerf (результати перевіряє MLCommons, а не лише вендор) робить цифри достатньо надійною точкою відліку під час вибору провайдера.
