MetaBrain SD200 Ultra: qué promete Inspur y qué deben comprobar los compradores

Inspur Information presentó en la conferencia de computación de inteligencia artificial AICC2026 el MetaBrain SD200 Ultra, un supernodo orientado a modelos muy grandes y aplicaciones de agentes de IA sensibles a la latencia. También anunció el MetaBrain HC2000, pensado para aumentar la capacidad de producción de tokens. Las cifras de rendimiento difundidas para ambos sistemas proceden de Inspur: conviene tratarlas como afirmaciones del fabricante, no como resultados verificados de forma independiente. 31820

Qué ofrece el SD200 Ultra

Según Inspur, su arquitectura 3D Hyper Mesh conecta estrechamente 128 aceleradores de IA fabricados en China. El sistema dispone de 8 TB de memoria de los aceleradores con direccionamiento unificado y 64 TB de memoria del sistema. La compañía afirma que una sola máquina puede ejecutar Kimi K3, un modelo de 2,8 billones de parámetros, y admitir modelos de hasta 10 billones de parámetros. Esta última cifra describe una capacidad anunciada; no indica a qué velocidad funcionaría un modelo de ese tamaño. 317

Para Kimi K3, Inspur declara una latencia inferior a 5,85 milisegundos por token generado, equivalente, según sus datos, a unos 170 tokens por segundo para un usuario. También sostiene que esa velocidad quintuplica una media del sector, pero las fuentes no detallan lo suficiente las condiciones de la prueba para considerar que se trata de una comparación en igualdad de condiciones. Además, el tiempo entre tokens no es lo mismo que la latencia hasta el primer token ni que el tiempo total que espera una persona para recibir una respuesta. 13

Cómo busca reducir las esperas entre chips

Inspur atribuye parte de la mejora al direccionamiento global unificado y a una comunicación que permite reducir los traslados de datos entre aceleradores. Su tecnología de memoria simétrica permite que un acelerador acceda directamente a la memoria de otro. La compañía comunica una latencia de comunicación de hasta 0,69 microsegundos y un tiempo de comunicación AllReduce 3,5 veces menor. Son medidas del intercambio de datos entre chips, no tiempos de respuesta de una aplicación completa. 217

Para la inferencia de Kimi K3 —el proceso de generar respuestas con el modelo—, Inspur dice que agrupa operaciones vinculadas a KDA, Gated MLA y MoE en operadores mayores que combinan cálculo y comunicación. Afirma que así reduce unas diez veces el número de operadores y mejora el rendimiento de inferencia más de tres veces. Es una optimización declarada para esa carga de trabajo, no una aceleración garantizada para otros modelos. 1719

SD200 Ultra o HC2000: dos métricas distintas

El HC2000 apuesta por la capacidad de inferencia: generar más tokens con una inversión equivalente. Combina un armario refrigerado por líquido, la arquitectura DirectCom 2.0 y el software de inferencia MCIS. Inspur afirma que ofrece diez veces más producción de tokens con la misma inversión. Esa promesa se refiere al volumen y al coste, no a que el HC2000 alcance la latencia por token anunciada para un usuario del SD200 Ultra. Para evaluarla hacen falta una referencia de comparación, una carga de trabajo definida y claridad sobre qué costes incluye el cálculo. 1820

Antes de comprar, hay otra incógnita: los informes describen los aceleradores del SD200 Ultra como fabricados en China, pero no identifican a su proveedor. Conviene pedir a Inspur el modelo exacto de chip y los detalles de compatibilidad del software, y después exigir pruebas reproducibles con los modelos que se vayan a utilizar. Esas pruebas deberían fijar la precisión numérica, la longitud del contexto y el número de usuarios simultáneos, además de medir el tiempo hasta el primer token, la producción sostenida de tokens, el consumo eléctrico y el coste total. Sin esas condiciones, las cifras del lanzamiento no permiten predecir con fiabilidad el rendimiento en una instalación concreta. 1318