AnswersPublished17 sources
NVIDIA claimt tot 30× meer agentic-AI-capaciteit per megawatt met Vera Rubin NVL72
NVIDIA zegt dat Vera Rubin NVL72 op de SemiAnalysis AgentX test met DeepSeek V4 Pro tot 30× meer agentic inference per megawatt en tot 35× lagere kosten per token levert dan GB300 NVL72. De directe vergelijking is met GB300 NVL72.
Gepubliceerd doorBewerkt met GPT-5.6 LunaAfbeeldingen gegenereerd met GPT Image 1.5
Research answer
Key takeaways
- NVIDIA zegt dat Vera Rubin NVL72 op de SemiAnalysis AgentX test met DeepSeek V4 Pro tot 30× meer agentic inference per megawatt en tot 35× lagere kosten per token levert dan GB300 NVL72.
- De directe vergelijking is met GB300 NVL72. NVIDIA stelt afzonderlijk dat GB300 op DeepSeek V4 Pro tot 15× meer throughput per megawatt levert dan een Hopper systeem.
- Het rack combineert 72 Rubin gpu's met 36 Vera cpu's. BlueField 4 dpu's nemen infrastructuurtaken over, zoals netwerkverkeer, beveiliging, orkestratie en dataverplaatsing.
AI Prompt
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 presenteert Vera Rubin NVL72 als een AI-infrastructuurplatform voor workloads waarin agents voortdurend tokens genereren, tools aanroepen, code uitvoeren en nieuwe context opbouwen. Volgens door NVIDIA gepubliceerde resultaten leverde het systeem tot 30× meer throughput per megawatt dan GB300 NVL72. De tokenkosten zouden in een AgentX-test met DeepSeek V4 Pro bovendien tot 35× lager uitvallen.
Dat zijn indrukwekkende cijfers, maar ze moeten voorzichtig worden gelezen. De beschikbare informatie bevat geen concrete dollarprijs per miljoen tokens voor Vera Rubin en bewijst evenmin dat de headline-resultaten onafhankelijk, onder volledig identieke omstandigheden zijn geverifieerd.
Wat NVIDIA precies claimt
De kern van NVIDIA's vergelijking luidt als volgt:
- Tot 30× meer agentic-AI-throughput per megawatt dan GB300 NVL72.
- Tot 35× lagere kosten per token, of per miljoen tokens wanneer de maatstaf op die schaal wordt uitgedrukt, dan GB300 NVL72.
- De test draaide met DeepSeek V4 Pro op de AgentX-workload van SemiAnalysis.
AgentX is geen eenvoudige vraag-en-antwoordtest. De benchmark is opgezet rond agentic coding en speelt productieachtige programmeersessies opnieuw af. Daarbij groeien de context en het aantal tussenstappen, worden tools aangeroepen en kunnen subagents nieuwe taken starten. 6
Dat verschil is belangrijk. Een agent geeft niet alleen een eerste antwoord, maar kan ook een resultaat controleren, externe software gebruiken, code uitvoeren, een vervolgtaak aanmaken en verder redeneren met veel meer context. Daardoor komt niet alleen de accelerator onder druk te staan, maar ook het geheugen, de netwerkverbindingen, de cpu's en het stroomverbruik.
Geen eenvoudige rekensom richting Hopper
De directe 30×-vergelijking gaat tussen Vera Rubin NVL72 en GB300 NVL72 — niet rechtstreeks tussen Vera Rubin en Hopper. In afzonderlijk gepubliceerd materiaal zegt NVIDIA dat GB300 NVL72 op DeepSeek V4 Pro tot 15× meer throughput per megawatt levert dan een H200 Hopper-systeem.
Dat geeft wel context bij de generatieverbetering, maar de cijfers mogen niet met elkaar worden vermenigvuldigd tot een claim van 450×. Het gaat om afzonderlijke vergelijkingen met telkens een bovengrens, en de beschikbare gegevens bevatten geen uniforme testtabel waarin Vera Rubin, GB300 en Hopper onder exact dezelfde omstandigheden naast elkaar worden gezet.
Voor kosten geldt dezelfde kanttekening. De bronnen ondersteunen NVIDIA's claim van maximaal 35× lagere kosten ten opzichte van GB300, maar geven geen concrete Vera Rubin-prijs per miljoen tokens en ook geen specifieke kostenvergelijking tussen Vera Rubin en Hopper.
Wat zit er in Vera Rubin NVL72?
NVL72 is een rack-scale systeem waarin 72 Rubin-gpu's en 36 Vera-cpu's samenwerken met ConnectX-9 SuperNIC's en BlueField-4-dpu's. NVIDIA beschrijft NVLink 6 als de verbinding voor het opschalen binnen het rack. Voor verbindingen tussen systemen worden Quantum-X800 InfiniBand en Spectrum-X Ethernet ingezet. 2
3
Het rack is ontworpen als één nauw geïntegreerd computersysteem, niet als een losse verzameling servers met afzonderlijke accelerators. Dat is vooral relevant voor agentic workloads: de prestaties hangen ervan af of de gpu's continu van data worden voorzien en of cpu-verwerking, netwerkverkeer en opslagactiviteiten goed op elkaar aansluiten.
Waarom de Vera-cpu een belangrijke rol speelt
Vera is een 88-core cpu op basis van door NVIDIA ontworpen Olympus-cores. De processor gebruikt Spatial Multithreading en LPDDR5X-geheugen, met een geheugendoorvoer tot 1,2 TB/s. NVIDIA zegt dat Vera taken tot 1,8× sneller kan afronden dan x86-cpu's in workloads zoals agentic AI, reinforcement learning en dataverwerking. 1
5
De cpu is niet alleen bedoeld om een traditioneel host-besturingssysteem te draaien. Vera moet juist het werk rond modelinference versnellen, waaronder:
- het gebruik van tools;
- het uitvoeren van code;
- sandboxing en orkestratie;
- dataverwerking en analyse;
- simulaties en reinforcement-learningworkloads.
Het doel is dat de gpu's zich zo veel mogelijk op inference kunnen richten, terwijl knelpunten in de rest van de agentlus afnemen. 1
5
9
BlueField-4 vormt de infrastructuurlaag
BlueField-4 is NVIDIA's component voor infrastructuurverwerking. Deze DPU combineert een 64-core Grace-cpu, LPDDR5X-geheugen en ConnectX-9-netwerktechnologie, met connectiviteit tot 800 Gb/s. 1
Volgens NVIDIA verplaatst BlueField-4 infrastructuurtaken — zoals besturing, beveiliging, dataverplaatsing en orkestratie — van de host-cpu's en gpu's naar de DPU. Zo moet een grote AI-fabriek geïsoleerd, veilig en voorspelbaar kunnen functioneren. 1
Daarmee verklaart NVIDIA ook zijn term Scale-In: efficiëntie wordt niet alleen bepaald door de gpu-chip. Ook de manier waarop een rack communicatie, opslag, planning en beveiliging afhandelt, bepaalt hoeveel van de beschikbare acceleratorcapaciteit daadwerkelijk voor AI-taken overblijft.
De rol van DSX MaxLPS
DSX MaxLPS is software binnen NVIDIA's bredere DSX-aanpak voor AI-fabrieken. Het is dus geen afzonderlijke Vera Rubin-gpu of cpu. NVIDIA omschrijft MaxLPS als een softwarepakket dat binnen een vast stroom- en vermogensbudget de tokenprestaties per megawatt moet maximaliseren. De aanpak combineert vloeistofkoeling met optimalisaties in het rack, zodat meer gpu's rond hun energie-efficiënte werkpunt kunnen draaien.
Dat maakt DSX MaxLPS relevant voor de efficiëntieclaim van 30×. De genoemde maatstaf wordt op het niveau van de AI-fabriek bekeken, waar koeling, rackconfiguratie en infrastructuursoftware allemaal invloed kunnen hebben op het aantal geproduceerde tokens per eenheid energie. De beschikbare informatie laat echter niet zien welk deel van de verbetering afkomstig is van de chips, de software, de testopstelling of de combinatie daarvan.
SpaceXAI plant Vera Rubin voor Grok en satellieten
NVIDIA en SpaceXAI zeggen dat SpaceXAI Vera-cpu's wil inzetten voor de volgende generatie agentic-AI-workloads. Ook wil het bedrijf de infrastructuur achter Grok uitbreiden met Vera Rubin. 4
5
Daarnaast hebben de bedrijven plannen beschreven om een geoptimaliseerd Vera Rubin NVL72-systeem naar een baan om de aarde te brengen voor een eerste Starmind AI-satelliet. 4
Het gaat hierbij om geplande implementaties. De informatie bewijst niet dat een systeem op basis van NVL72 al is gelanceerd of operationeel is in de ruimte.
De belangrijkste conclusie
De betekenis van Vera Rubin NVL72 zit volgens NVIDIA in de manier waarop de infrastructuur wordt getest: niet met een korte, geïsoleerde prompt, maar met lange en iteratieve agentsessies die veel context, tools, code en subagents gebruiken. Voor die workload rapporteert NVIDIA tot 30× meer throughput per megawatt en tot 35× lagere tokenkosten dan met GB300 NVL72.
Voor datacenterexploitanten en andere kopers is de belangrijkste vraag daarom niet of de multiplier groot klinkt. Het gaat erom of dezelfde uitkomst overeind blijft bij hun eigen model, latencydoelstelling, contextlengte, gelijktijdigheid, stroomlimiet en totale kostenstructuur. De bronnen onderbouwen NVIDIA's claim en leggen de architectuur uit, maar leveren nog geen definitief, onafhankelijk oordeel.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "NVIDIA claimt tot 30× meer agentic-AI-capaciteit per megawatt met Vera Rubin NVL72"?
NVIDIA zegt dat Vera Rubin NVL72 op de SemiAnalysis AgentX test met DeepSeek V4 Pro tot 30× meer agentic inference per megawatt en tot 35× lagere kosten per token levert dan GB300 NVL72.
What are the key points to validate first?
NVIDIA zegt dat Vera Rubin NVL72 op de SemiAnalysis AgentX test met DeepSeek V4 Pro tot 30× meer agentic inference per megawatt en tot 35× lagere kosten per token levert dan GB300 NVL72. De directe vergelijking is met GB300 NVL72. NVIDIA stelt afzonderlijk dat GB300 op DeepSeek V4 Pro tot 15× meer throughput per megawatt levert dan een Hopper systeem.
What should I do next in practice?
Het rack combineert 72 Rubin gpu's met 36 Vera cpu's. BlueField 4 dpu's nemen infrastructuurtaken over, zoals netwerkverkeer, beveiliging, orkestratie en dataverplaatsing.