Índice de contenidos
Claves de la noticia
- Nvidia declara que Vera Rubin NVL72 rinde hasta 3,7 veces más que GB300 NVL72 en Qwen3-VL y hasta 2,5 veces más en DeepSeek-R1.
- Un sistema de cuatro racks GB300, con 288 GPU, alcanzó un 99 % de eficiencia de escalado en el escenario offline de DeepSeek-R1.
- Los resultados de Vera Rubin son envíos preview; otras cifras posteriores al cierre de MLPerf aún no han sido verificadas por MLCommons.
La plataforma Vera Rubin NVL72 de Nvidia ha aparecido por primera vez en MLPerf Inference v6.1 con una ventaja de hasta 3,7 veces frente a GB300 NVL72. El salto es considerable, pero necesita dos apellidos para interpretarse bien: corresponde a cargas y escenarios concretos, y la presentación de Vera Rubin es un resultado preview. La misma publicación ofrece un dato más maduro para infraestructura actual: cuatro racks GB300 conservaron un 99 % de eficiencia al escalar hasta 288 GPU.
Dos modelos muestran dos saltos distintos
Nvidia envió Vera Rubin en dos de las pruebas más exigentes de la ronda. En Qwen3-VL, un modelo que combina texto e imagen, la compañía registra hasta 3,7 veces el rendimiento de GB300 NVL72 en escenarios offline, servidor e interactivo. En DeepSeek-R1, orientado al razonamiento, la mejora máxima declarada es de 2,5 veces. No son dos formas de expresar el mismo resultado: cambian el modelo, la pila de software y el patrón de peticiones.
Qwen3-VL se ejecutó con vLLM y el marco abierto Nvidia Dynamo. DeepSeek-R1 utilizó TensorRT-LLM. Vera Rubin recurre además a servicio desagregado, que separa las fases de prefill y decodificación, y a paralelismo de expertos para repartir modelos de mezcla de expertos. La precisión NVFP4 reduce la memoria dedicada a pesos, atención y caché KV, de modo que el sistema puede tramitar más trabajo sin aumentar en la misma proporción la ocupación de memoria.
| Dato | Sistema y prueba | Condición editorial |
|---|---|---|
| Hasta 3,7x | Vera Rubin frente a GB300 en Qwen3-VL | Envío preview de MLPerf v6.1 |
| Hasta 2,5x | Vera Rubin frente a GB300 en DeepSeek-R1 | Envío preview de MLPerf v6.1 |
| 99 % | 288 GPU GB300 en DeepSeek-R1 offline | Eficiencia de escalado declarada en la ronda |
| Hasta 1,6x | GB300 en Qwen3-VL frente a v6.0 | Mejora de software entre rondas |
La tabla deja una conclusión importante: no existe un único “rendimiento de Vera Rubin”. El máximo de 3,7x describe Qwen3-VL bajo configuraciones concretas; para DeepSeek-R1 el máximo publicado baja a 2,5x. Convertir cualquiera de esas cifras en una promesa universal ocultaría las diferencias de modelo, escenario y software.
El 99 % mide algo que el multiplicador no cuenta
El resultado de GB300 prueba otra dimensión. Nvidia comparó un rack NVL72 de 72 GPU con cuatro racks y 288 GPU en el escenario offline de DeepSeek-R1. La carga creció casi en proporción al hardware, lo que la empresa resume como un 99 % de eficiencia de escalado. En centros de datos, esa cercanía a la linealidad determina si añadir racks compra capacidad útil o introduce esperas de red y coordinación.
La noticia complementa el debate sobre centros de datos que ajustan su consumo en horas punta. Una instalación puede flexibilizar cuándo consume electricidad, pero también necesita aprovechar cada acelerador cuando está activa. Un escalado del 99 % reduce la porción de inversión que se pierde en sobrecarga, aunque no informa por sí solo del coste eléctrico, el precio del rack ni la disponibilidad del sistema.
El software aporta hasta 1,6x sin cambiar de GPU
GB300 mejoró hasta 1,6 veces en Qwen3-VL respecto a MLPerf Inference v6.0. Nvidia atribuye el avance a menor precisión en la caché KV, fusión adicional de núcleos, mejores núcleos de cálculo y servicio desagregado con vLLM y Dynamo. Es una comparación útil porque mantiene la generación de hardware y muestra cuánto rendimiento puede aparecer entre rondas por optimización.
Esta ganancia cambia la lectura económica. Quien evalúe una compra no debería comparar solo fichas de GPU o memoria, como las que distinguen a la RTX PRO 5500 para estaciones remotas. En infraestructura de inferencia, el orquestador, las bibliotecas y la gestión de memoria pueden alterar el rendimiento efectivo sin sustituir el silicio.
Preview, verificado y posterior al envío no son equivalentes
MLCommons mantiene resultados explorables, reglas de carga y un registro de cambios para MLPerf Inference Datacenter. Nvidia identifica las entradas de sus comparaciones, pero califica de preview el debut de Vera Rubin. Esa etiqueta permite anticipar la plataforma sin concederle exactamente el mismo peso que a una configuración comercial cerrada y repetible por compradores.
La publicación incluye además un “30x” de Vera Rubin sobre GB300 en AgentX, una prueba de SemiAnalysis, y menciona mejoras realizadas después del plazo de v6.1 para GPT-OSS-120B y DLRMv3. La propia Nvidia reconoce que estas últimas no han sido verificadas por MLCommons. Por eso no deben mezclarse con la tabla principal ni utilizarse para elevar artificialmente el resultado de MLPerf.
La compra se decide entre rendimiento y madurez
Vera Rubin ofrece una señal temprana potente: las mejoras de arquitectura, interconexión y precisión reducida se traducen en multiplicadores visibles en modelos actuales. Sin embargo, su valor inmediato para una empresa depende de cuándo pueda adquirir la plataforma, de su coste total y de si su carga se parece a Qwen3-VL o DeepSeek-R1. El benchmark no responde a esas tres preguntas.
La conclusión defendible es más precisa que un récord genérico. El debut útil de Vera Rubin está entre 2,5x y 3,7x en las dos cargas publicadas, mientras que el 99 % de GB300 demuestra la madurez de escalado disponible hoy. Mantener separadas ambas evidencias permite distinguir promesa de próxima generación y eficiencia operativa ya medida.
