Saltar al contenido
Código IA Noticias de inteligencia artificial Santiago Mar 17 nov 2026
Dispositivos y chips

NVIDIA Vera Rubin arrasa en MLPerf con rendimiento récord en IA agéntica

La nueva plataforma duplica el rendimiento por GPU y logra más de 10x en tokens por watt frente a la generación anterior.

NVIDIA Vera Rubin arrasa en MLPerf con rendimiento récord en IA agéntica
Foto: Coolcaesar / Wikimedia Commons (CC BY-SA 4.0) · Fuente

NVIDIA presentó este lunes los resultados de su plataforma Vera Rubin en los benchmarks MLPerf Training v6.1 y MLPerf Endpoints, estableciendo nuevos récords de rendimiento en entrenamiento, post-entrenamiento e inferencia agéntica. La plataforma barrió todas las pruebas de entrenamiento y, en su primera participación en MLPerf Endpoints, logró más de 10 veces la capacidad de procesamiento por watt en comparación con la generación anterior, un salto que redefine lo que puede hacer un sistema de inteligencia artificial con cada watt de energía.

Rendimiento que escala

En los benchmarks de entrenamiento, Vera Rubin NVL72 entregó hasta el doble de rendimiento por GPU que el sistema GB300 NVL72, ya altamente optimizado. La plataforma fue la única que presentó resultados en todas las pruebas de la ronda, que incluyeron modelos de lenguaje, generación de imágenes, sistemas de recomendación y post-entrenamiento por refuerzo. En la prueba con DeepSeek-V3, Vera Rubin NVL72 escaló de 256 a 1.024 GPUs con una eficiencia del 97%: al cuadruplicar las GPUs, el tiempo de entrenamiento se redujo de 16 minutos a solo cuatro.

Microsoft Azure también participó a gran escala, utilizando 10.240 GPUs con sistemas GB200, igualando el mayor despliegue de la ronda. La clave está en la red NVLink, que conecta las GPUs dentro de cada sistema para que operen como una sola, y las redes Quantum-X800 InfiniBand y Spectrum-X Ethernet, que enlazan esos sistemas a través del centro de datos. Esto permite que miles de GPUs trabajen en conjunto, reduciendo los tiempos de entrenamiento y ayudando a construir modelos más inteligentes.

Inferencia agéntica: más usuarios, más rápido

MLPerf Endpoints mide cuántos tokens puede generar un sistema por segundo por cada watt de potencia, algo crítico porque los centros de datos de IA están limitados por la energía. En la prueba con Kimi K3, un modelo abierto diseñado para flujos de trabajo agénticos, Vera Rubin NVL72 logró más de 10 veces la capacidad de procesamiento por watt que GB300 NVL72 a la misma velocidad de respuesta. Esto significa que un asistente de viajes que planifica y reserva un itinerario completo, o un agente de TI que detecta y resuelve problemas antes de que alguien reporte un ticket, pueden atender a más usuarios simultáneamente sin sacrificar la velocidad.

Los resultados son preliminares y están pendientes de verificación por parte de MLCommons Association, pero muestran una tendencia clara: Vera Rubin desplaza la curva de equilibrio entre atender a muchos usuarios y responder rápido, permitiendo servir a más personas con respuestas más veloces.

Ecosistema y relevancia para Chile

En los benchmarks participaron 20 organizaciones, incluyendo a gigantes como Azure, Google Cloud, Oracle y Dell Technologies, además de instituciones académicas como la Universidad de Florida. Para Chile, donde la adopción de IA en sectores como minería, retail y servicios financieros está en crecimiento, estos avances son relevantes porque prometen infraestructura más eficiente y potente, aunque aún no hay fechas concretas de disponibilidad local ni precios. La optimización continua del software CUDA de NVIDIA asegura que los sistemas adquiridos hoy sigan ganando valor con el tiempo, lo que podría hacer más atractiva la inversión en hardware de IA para empresas chilenas.

Con información de NVIDIA

Compartir
En contexto

Más sobre Nvidia

Abrir dossier

Dispositivos y chips

Seguridad y privacidad

Herramientas y apps

Escríbenos

Te respondemos al correo que dejes.