LO ESENCIAL EN 30 SEGUNDOS
- MLCommons publicó MLPerf Training v6.1 el 16 de noviembre: 250 resultados de 24 organizaciones, incluidos los primeros de las GPU de generación Rubin de NVIDIA y del TPUv7 Ironwood de Google.
- La ronda incorpora una prueba de posentrenamiento con aprendizaje por refuerzo (GRPO) sobre Qwen3.5-397B y sustituye el antiguo test de recomendación DLRM por DLRMv4-HSTU.
- NVIDIA afirma que Vera Rubin NVL72 fue el más rápido en seis de siete pruebas y hasta 2x más rápido por GPU que GB300; AMD dice que el MI355X iguala o supera al B200 en sus comparaciones. Son cálculos de los propios fabricantes.
MLCommons, el consorcio del sector que gestiona los benchmarks MLPerf, publicó el 16 de noviembre los resultados de MLPerf Training v6.1. La ronda reúne 250 resultados enviados por 24 organizaciones, entre ellas AMD, Azure, Cisco, CoreWeave, Dell, Google, HPE, Lambda, Nebius, NVIDIA, Oracle, Supermicro, tiny corp y la Universidad de Florida. Crusoe participa por primera vez. Según MLCommons, el sistema más grande utilizó 10.240 aceleradores y el 37 % de los sistemas funcionaba en la nube, frente al 29 % de la ronda anterior.
Qué cambia en el benchmark
El conjunto incluye ahora siete pruebas. La novedad principal es una carga de posentrenamiento en la que el modelo Qwen3.5-397B se entrena con Group Relative Policy Optimization, un método de aprendizaje por refuerzo, sobre tareas de ingeniería de software con llamadas a herramientas. MLCommons también sustituyó su antigua prueba de recomendación por DLRMv4-HSTU, basada en una arquitectura de atención. TechArena señala que esta prueba exige a todo el sistema, incluidos los procesadores convencionales que ejecutan comprobaciones en entornos aislados, y no solo a los aceleradores.
La ronda trae los primeros resultados de las GPU de generación Rubin de NVIDIA y del TPUv7 Ironwood de Google. Una de las mayores ejecuciones de DeepSeek-V3 empleó 8.192 chips Ironwood.
Lo que dicen los fabricantes
NVIDIA asegura que su rack Vera Rubin NVL72 logró el menor tiempo de entrenamiento en seis de las siete pruebas. En DeepSeek-V3, el tiempo absoluto más bajo correspondió a una configuración GB300 de 10.240 GPU. Con el mismo número de GPU, la compañía calcula que Vera Rubin es entre 1,4 y 2 veces más rápido por GPU que GB300, con la mayor diferencia en DeepSeek-V3. NVIDIA difundió además repeticiones con software más reciente que llegan a 2,4x, aunque reconoce que MLCommons no las ha verificado.
AMD presentó sistemas MI350X y MI355X en cinco pruebas, frente a tres en la ronda anterior, incluida su primera entrada con un modelo de mezcla de expertos, GPT-OSS-20B. La empresa describe un entrenamiento de FLUX.1 con formatos FP6 y FP4 como la primera demostración pública y reproducible de entrenamiento en FP6. Sostiene que el MI355X terminó antes que el B200 de NVIDIA en varias pruebas con ocho GPU, aunque por detrás del B300. Crusoe, Dell, HPE, MiTAC, Oracle y Supermicro enviaron resultados con sus chips.
Cómo interpretar las cifras
MLCommons publica tiempos de entrenamiento en bruto, sin clasificaciones. Los ratios por GPU y las comparaciones porcentuales mencionadas son cálculos de NVIDIA y AMD, hechos sobre hardware, software y tamaños de sistema que varían entre envíos. AMD aclara que sus cifras agregadas no son puntuaciones oficiales de MLPerf.
