2026年11月16日
在最新的 MLPerf Training v6.1 基准测试轮次中 1 ,Google Cloud 公布了 10 项结果,涵盖第七代 Ironwood TPU 和 NVIDIA Grace Blackwell GPU,涉及前沿预训练以及首个面向智能体强化学习(RL)的 MLPerf 基准。这些结果基于 Google Cloud 的 AI Hypercomputer 架构,体现了芯片、网络和开放软件之间的协同设计:
- Ironwood 上的预训练: 8,192 块 Ironwood TPU 在 1.70 分钟内达到目标模型的基准目标质量,扩展至 4,096 块芯片时效率为 96%。
- Ironwood 上的智能体强化学习: 640 块 Ironwood TPU 在 18.02 分钟内达到目标模型的编码基准目标准确率(0.765,目标为 0.69),同时运行代码生成和学习,使训练芯片的等待时间低于 3%。
- NVIDIA Grace Blackwell GPU: 在 Google Cloud A4X Max 实例上,256 块 NVIDIA GB300 GPU 在 31.96 分钟内达到目标模型的基准质量,此外还有五项基于 A4X 和 A4X Max 的智能体强化学习基准提交。
如需了解 MLPerf Training v6.1 结果的更多详情, 请点击此处.
1MLPerf Training v6.1 封闭组结果 ID:6.1-0017(Ironwood 640 芯片 Qwen3.5-397B 强化学习)、6.1-0018(Ironwood 2,048 芯片 DeepSeek-V3)、6.1-0019(Ironwood 4,096 芯片 DeepSeek-V3)、6.1-0020(Ironwood 8,192 芯片 DeepSeek-V3)、6.1-0021(A4X 56 GPU GB200 强化学习)、6.1-0022(A4X Max 56 GPU GB300 强化学习)、6.1-0023(A4X 64 GPU GB200 强化学习)、6.1-0024(A4X Max 64 GPU GB300 强化学习)、6.1-0025(A4X 256 GPU GB200 强化学习)和 6.1-0026(A4X Max 256 GPU GB300 DeepSeek-V3)。所有报告的时间均衡量从官方参考检查点到目标收敛标准的 MLPerf 训练时间。MLPerf 名称和徽标是 MLCommons Association 在美国和其他国家/地区的注册商标和未注册商标。更多信息请参见 mlcommons.org
发布于: