NVIDIA'nın yeni nesil Vera Rubin platformu ilk kez MLPerf Training sonuçlarında ortaya çıktı. 16 Kasım'da yayınlanan bir şirket gönderisinde NVIDIA, NVL72 sisteminin seçilen eğitim iş yüklerinde GB300 NVL72 sisteminin GPU başına iki katına kadar performans sağladığını söylüyor. Sonuçlar dikkat çekicidir çünkü MLPerf, MLCommons tarafından çalıştırılan ve yalnızca satıcının kendi gösterimine güvenmek yerine sistem gönderimlerinin ve yapılandırmalarının incelenmesine olanak tanıyan genel bir kıyaslama paketidir.

Karşılaştırma ölçütü neyi ölçer?

MLPerf Eğitimi, bir sistemin bir modeli belirli bir hedef kalite düzeyine eğitmek için harcadığı süreyi ölçer. İş yükleri, büyük dil modelleri ve görüntü oluşturma dahil olmak üzere birden fazla bilgi işlem görevini kapsar. Bir sonuç yalnızca iş yükü, sistem konfigürasyonu ve tamamlanma kriterleri eklendiğinde anlamlıdır. Bu, bir chatbot'un kullanıcıya ne kadar hızlı yanıt verdiğini ölçmekle aynı şey değildir ve bir eğitim sonucu, bir kuruluşun oluşturabileceği her modelin performansını otomatik olarak tahmin etmez.

NVIDIA, v6.1 eğitim turunda her kıyaslamada sonuç sunan tek şirket olduğunu söylüyor. Bu genişlik, okuyuculara tek bir platformdan tam bir giriş seti sunar, ancak bu, her girişin, farklı tedarikçilerden gelen aynı sistemler arasında doğrudan bir rekabet olduğu anlamına gelmez. MLCommons sonuç sayfası ve karşılaştırma kuralları, her iş yükünü hangi sistemlerin gönderdiğini ve test edilen yapılandırmaların nasıl farklılaştığını incelemek için doğru yerlerdir.

Yüzde 97 rakamının arkasındaki ölçek büyütme testi

NVIDIA'nın gönderisindeki en net rakamlardan biri DeepSeek-V3 eğitimiyle ilgili. Şirket, yaklaşık yüzde 97 verimliliği korurken Vera Rubin sistemini 256'dan 1.024 GPU'ya ölçeklendirdiğini bildirdi. Onun hesabına göre, GPU sayısını dört kat artırmak, eğitim süresini kabaca 16 dakikadan yaklaşık dört dakikaya düşürdü. MLCommons'un tamamlayıcı tartışması daha spesifik süreleri 16.12 ve 4.14 dakika olarak veriyor; bu da 3,9 kata yakın bir hızlanma anlamına geliyor.

Bu tür bir ölçeklendirme testi, iletişim veya yazılım darboğazlarını beklemek yerine ekstra hızlandırıcıların birlikte faydalı işler yapıp yapmadığını sorar. Büyük eğitim çalışmaları için, sunucu içindeki ve sunucular arasındaki bağlantılar tek bir çipin hızı kadar önemli olabilir. Yine de, adlandırılmış bir iş yükünde güçlü ölçeklendirme, her müşterinin aynı sonucu farklı bir veri hattı veya modeliyle yeniden üretebileceği anlamına gelmez.

Performans iddiası nasıl yorumlanır?

NVIDIA ayrıca GB300 sistemlerini kullanan 10.240 GPU'da başvuru olduğunu bildirirken, Microsoft Azure bu ölçeği GB200 donanımıyla eşleştirdi. Bu karşılaştırma, kıyaslama çalışmalarının büyüyen boyutunu gösteriyor ancak bu iki gösteride farklı GPU nesilleri kullanıldı. Bir veri merkezine bütçe ayıran şirketler için, geçen eğitim süresi yalnızca bir girdidir: güç, soğutma, donanım kullanılabilirliği, sistem maliyeti ve yazılım gereksinimleri, dağıtımın ne kadar hızlı sonuç vereceğini etkiler.

Yeni Vera Rubin girdileri, günlük üretim yükleri altındaki nakliye sistemlerinin tam bir incelemesi değil, erken bir kıyaslama anlık görüntüsüdür. MLPerf, satıcı slayt destesinden daha yapılandırılmış bir karşılaştırma sağlar; ancak dikkatli okuyucular her satıra bakmalı, hangi yapılandırmanın karşılaştırıldığına dikkat etmeli ve iş yüküne özgü bir puanı, bir GPU'nun her zaman iki kat daha hızlı olduğu yönünde genel bir iddiaya dönüştürmekten kaçınmalıdır. Yararlı hikaye, ilk yayınlanan sonuçların ve geniş ölçekli bir verimlilik gösteriminin, teknik inceleme için bırakılan ayrıntılı girişlerle birleşimidir.

FILEZUNA BAĞLAMI

Neden önemli

MLPerf'in ilk çıkışı, pazara Vera Rubin için somut bir referans noktası sağlıyor ve ölçeklendirme sonucu, GPU sayısı arttıkça ne olduğunu gösterdiğinden, niteliksiz bir zirve performans rakamından daha bilgilendirici. Öyle bile olsa, en güçlü başlığın iki niteleyiciye ihtiyacı vardır: seçilen karşılaştırmalı iş yüklerini karşılaştırır ve sonuç, NVIDIA'nın kendi sunumuna ilişkin açıklamasından gelir. MLCommons, tam yapılandırmaların kontrol edileceği yer olan temel girdileri yayınlar. Alıcılar, kıyaslama hızını bir altyapı kararına dönüştürmeden önce bu puanları maliyet, güç ve üretim ölçümleriyle eşleştirmelidir.

KAYNAKLAR

Kaynaklar ve ileri okumalar

Bu haber özgün ifadelerle yazılmıştır. Bu bağlantılar, ayrıntıları doğrulamak için kullanılan haber ve duyuruları gösterir.

Bilgiler kontrol edildi 21 Kas 2026.

FZHABERİN SONU
Daha fazla Teknoloji haberi