RespuestasPublicado17 fuentes
Vera Rubin NVL72: la apuesta de NVIDIA por multiplicar la eficiencia de la IA agéntica
NVIDIA afirma que Vera Rubin NVL72 alcanzó hasta 30 veces más rendimiento de inferencia agéntica por megavatio y hasta 35 veces menos coste por token que GB300 NVL72 en el workload AgentX de SemiAnalysis con DeepSeek... La comparación directa es entre Vera Rubin y GB300 NVL72; NVIDIA presenta por separado una mejora...
Publicado porEditado con GPT-5.6 LunaImágenes generadas con GPT Image 1.5
Respuesta de investigación
Conclusiones clave
- NVIDIA afirma que Vera Rubin NVL72 alcanzó hasta 30 veces más rendimiento de inferencia agéntica por megavatio y hasta 35 veces menos coste por token que GB300 NVL72 en el workload AgentX de SemiAnalysis con DeepSeek...
- La comparación directa es entre Vera Rubin y GB300 NVL72; NVIDIA presenta por separado una mejora de hasta 15 veces de GB300 frente a sistemas Hopper, por lo que las cifras no deben multiplicarse.
- La plataforma combina 72 GPU Rubin con 36 CPU Vera, mientras que los DPU BlueField 4 descargan tareas de infraestructura como redes, seguridad, orquestación y movimiento de datos.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Nvidia announce about its next-generation Vera Rubin NVL72 platform’s efficiency for agentic AI workloads—including its claimed inf. Article summary: NVIDIA’s headline claim is that Vera Rubin NVL72 can deliver up to 30× higher agentic-inference throughput per megawatt than GB300 NVL72 and reduce cost per token by up to 35×, based on its stated SemiAnalysis AgentX res. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
NVIDIA quiere que la eficiencia de la inteligencia artificial se mida de acuerdo con la forma en que trabajan los agentes actuales: no solo responden preguntas, sino que generan tokens durante sesiones largas, consultan herramientas, ejecutan código, crean subtareas y acumulan contexto.
En los resultados publicados por la compañía, Vera Rubin NVL72 alcanzó hasta 30 veces más rendimiento por megavatio que GB300 NVL72 y redujo hasta 35 veces el coste por token en una prueba con el modelo DeepSeek V4 Pro y el workload AgentX de SemiAnalysis.
La letra pequeña es importante: se trata de afirmaciones de NVIDIA. La información disponible no ofrece una verificación independiente, estrictamente comparable, de esos multiplicadores ni un precio concreto en dólares por millón de tokens para Vera Rubin.
Qué afirma NVIDIA sobre Vera Rubin
Los resultados destacados por la compañía son los siguientes:
- Hasta 30 veces más rendimiento de IA agéntica por megavatio frente a GB300 NVL72.
- Hasta 35 veces menos coste por token, o por millón de tokens si se expresa la métrica a esa escala, frente a GB300 NVL72.
- Pruebas realizadas con DeepSeek V4 Pro sobre el workload AgentX de SemiAnalysis.
AgentX no reproduce una interacción breve de pregunta y respuesta. El benchmark recupera sesiones de programación con agentes inspiradas en entornos de producción, con crecimiento del contexto, llamadas a herramientas y creación de subagentes. 6
Esto cambia por completo las exigencias de infraestructura. Un agente puede producir una respuesta, revisar el resultado, llamar a una herramienta externa, ejecutar código, abrir otra tarea y seguir razonando con un contexto mucho mayor. El sistema debe coordinar, por tanto, memoria, redes, CPU y consumo eléctrico, además de acelerar la inferencia en la GPU.
La comparación con Hopper no equivale a 450 veces más rendimiento
El dato principal de 30 veces compara Vera Rubin NVL72 con GB300 NVL72, no con Hopper. En material relacionado con AgentX, NVIDIA afirma por separado que GB300 NVL72 ofrece hasta 15 veces más rendimiento por megavatio que un sistema basado en H200 Hopper al ejecutar DeepSeek V4 Pro.
La cifra sirve como contexto de la evolución entre generaciones, pero no permite afirmar que Vera Rubin sea 450 veces más rápida que Hopper. Son comparaciones independientes, ambas expresadas como valores máximos, y la documentación disponible no presenta una única tabla de pruebas en la que Vera Rubin, GB300 y Hopper se hayan evaluado bajo condiciones idénticas.
La misma cautela se aplica al coste. La evidencia respalda la afirmación de NVIDIA de una reducción máxima de 35 veces frente a GB300, pero no aporta un precio concreto de Vera Rubin por millón de tokens ni una comparación específica de costes entre Vera Rubin y Hopper.
Qué incluye Vera Rubin NVL72
NVL72 es un sistema de escala de rack que integra 72 GPU Rubin y 36 CPU Vera, junto con SuperNIC ConnectX-9 y DPU BlueField-4. NVIDIA describe NVLink 6 como la red de conexión de expansión dentro del sistema, mientras que Quantum-X800 InfiniBand y Spectrum-X Ethernet se encargan de la conexión entre sistemas. 2
3
La idea es tratar el rack como una unidad de cómputo estrechamente integrada, no como un conjunto de servidores acelerados independientes. En cargas de trabajo agénticas, esa coordinación es especialmente relevante: el rendimiento depende de que las GPU reciban datos de forma constante mientras la CPU, la red y el almacenamiento gestionan el resto del ciclo de trabajo del agente.
Por qué la CPU Vera importa en la IA agéntica
Vera es una CPU de 88 núcleos basada en núcleos Olympus diseñados por NVIDIA. Utiliza Spatial Multithreading y memoria LPDDR5X, con hasta 1,2 TB/s de ancho de banda de memoria. NVIDIA afirma que Vera permite completar tareas hasta 1,8 veces más rápido que las CPU x86 en cargas que incluyen IA agéntica, aprendizaje por refuerzo y procesamiento de datos. 1
5
Su función no consiste únicamente en ejecutar el sistema operativo del servidor. Está pensada para acelerar el trabajo que rodea a la inferencia del modelo, como:
- Uso de herramientas.
- Ejecución de código.
- Aislamiento y administración de entornos de pruebas.
- Procesamiento y análisis de datos.
- Simulación y cargas de aprendizaje por refuerzo.
Al asumir estas tareas, Vera busca que las GPU se concentren en la inferencia y que los cuellos de botella del resto del ciclo del agente sean menores. 1
5
9
BlueField-4 y la capa de infraestructura «Scale-In»
BlueField-4 es el componente de NVIDIA dedicado al procesamiento de infraestructura. Este DPU combina una CPU Grace de 64 núcleos, memoria LPDDR5X y conectividad ConnectX-9 de hasta 800 Gb/s. 1
NVIDIA asegura que BlueField-4 descarga de las CPU y GPU anfitrionas funciones como el control, la seguridad, el movimiento de datos y la orquestación. En su planteamiento, el DPU actúa como una capa de infraestructura que ayuda a mantener operaciones aisladas, seguras y predecibles en una fábrica de IA de gran escala. 1
Ese es el fundamento de la estrategia «Scale-In»: la eficiencia no depende únicamente del chip acelerador. También está condicionada por la capacidad del rack para gestionar comunicaciones, almacenamiento, programación de tareas y seguridad sin consumir recursos de inferencia.
El papel de DSX MaxLPS
DSX MaxLPS es software integrado en el enfoque más amplio de NVIDIA para sus fábricas de IA mediante DSX; no es una GPU ni una CPU independiente de Vera Rubin. NVIDIA lo presenta como un conjunto de tecnologías destinado a maximizar el rendimiento de tokens por megavatio dentro de un presupuesto energético fijo. Su propuesta combina refrigeración líquida y optimizaciones dentro del rack para que los operadores puedan mantener más GPU cerca de sus puntos de mayor eficiencia energética.
Por eso DSX MaxLPS está relacionado con la cifra de eficiencia de 30 veces: la métrica se plantea a escala de fábrica de IA, donde la refrigeración, la configuración del rack y el software de infraestructura también influyen en los tokens generados por unidad de energía. La información disponible no permite determinar qué proporción de la mejora procede del silicio, del software, de la configuración de la prueba o de la combinación de todos esos elementos.
Los planes de SpaceXAI con Vera Rubin
NVIDIA y SpaceXAI afirmaron que la compañía desplegará CPU Vera para su próxima generación de cargas de IA agéntica y que ampliará la infraestructura utilizada para Grok mediante Vera Rubin. 4
5
También describieron planes para adaptar un sistema Vera Rubin NVL72 optimizado para su extensión a la órbita, con destino a un satélite Starmind AI de primera generación. 4
Por ahora, son planes de despliegue. No demuestran que un sistema NVL72 orbital ya haya sido lanzado o esté operativo.
La conclusión para quienes compran infraestructura
La importancia de Vera Rubin NVL72 está en el intento de NVIDIA de medir la infraestructura según el comportamiento real de los agentes: sesiones prolongadas, contextos que crecen, llamadas a herramientas, ejecución de código y subagentes.
En ese escenario, NVIDIA comunica hasta 30 veces más rendimiento por megavatio y hasta 35 veces menos coste por token frente a GB300 NVL72. Pero para un proveedor de servicios o un equipo de infraestructura, el dato decisivo será comprobar si esos resultados se mantienen con su propio modelo, objetivo de latencia, longitud de contexto, nivel de concurrencia, presupuesto energético y cálculo del coste total de propiedad.
La evidencia disponible establece cuál es la promesa de NVIDIA y qué arquitectura la sostiene. Todavía no ofrece, por sí sola, un veredicto independiente y definitivo sobre esos multiplicadores.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Vera Rubin NVL72: la apuesta de NVIDIA por multiplicar la eficiencia de la IA agéntica"?
NVIDIA afirma que Vera Rubin NVL72 alcanzó hasta 30 veces más rendimiento de inferencia agéntica por megavatio y hasta 35 veces menos coste por token que GB300 NVL72 en el workload AgentX de SemiAnalysis con DeepSeek...
¿Cuáles son los puntos clave a validar primero?
NVIDIA afirma que Vera Rubin NVL72 alcanzó hasta 30 veces más rendimiento de inferencia agéntica por megavatio y hasta 35 veces menos coste por token que GB300 NVL72 en el workload AgentX de SemiAnalysis con DeepSeek... La comparación directa es entre Vera Rubin y GB300 NVL72; NVIDIA presenta por separado una mejora de hasta 15 veces de GB300 frente a sistemas Hopper, por lo que las cifras no deben multiplicarse.
¿Qué debo hacer a continuación en la práctica?
La plataforma combina 72 GPU Rubin con 36 CPU Vera, mientras que los DPU BlueField 4 descargan tareas de infraestructura como redes, seguridad, orquestación y movimiento de datos.