Nvidia knuser konkurrentene i bransjens første benchmark for agentisk AI

Her er hovedfunnene fra de første publiserte resultatene av Artificial Analysis sin AA-AgentPerf-benchmark, kunngjort 12. juni 2026.

Hva AgentPerf faktisk måler

AA-AgentPerf er bransjens aller første åpne maskinvarebenchmark som er skreddersydd for agentiske AI-inferensarbeidsbelastninger – altså ikke enkle spørsmål-svar-runder, men komplekse, flertrinnsprosesser slik vi ser i autonome AI-agenter .

Testen måler nøyaktig hvor mange samtidige AI-kodingsagenter et inferenssystem kan drifte, samtidig som det oppfyller definerte servicemål (SLO-er) for hastighet på produserte ord og tid-til-første-ord (TTFT). Selve benchmarken er bygget på ekte kjørespor fra kodingsagenter – hentet fra offentlige kodelagre på over 12 programmeringsspråk – som kjeder sammen flere LLM-kall, bruk av verktøy (simulert med representative CPU-forsinkelser) og voksende kontekstvinduer . Resultatene normaliseres per akselerator og per megawatt, slik at man får et reelt bilde av både kraft og effektivitet .

Nvidias knusende resultater

Når støvet la seg etter den første testrunden, var det liten tvil om hvem som ledet an:

• Nvidia GB300 NVL72 (Blackwell Ultra) leverte suverent høyest ytelse blant alle testede plattformer på arbeidsbelastningen med DeepSeek V4 Pro, en stor «mixture-of-experts»-modell (MoE) som regnes som representativ for dagens mest avanserte agentiske AI .
• Opptil 20 ganger flere samtidige agenter per megawatt sammenlignet med forrige generasjons Nvidia HGX H200 (Hopper)-system, både ved krav om 20 tokens/s og ved 60 tokens/s .
• Råtallene fra Artificial Analysis sin kunngjøring på X viser at den rack-skalerte, disaggregated konfigurasjonen av GB300 oppnådde hele 61.340 samtidige agenter ved den enkleste SLO-klassen – en ekstrem margin ned til H200 som stoppet på 2.594 agenter per megawatt .

Dette handler om mer enn en benchmarkseier

For Nvidia er AgentPerf-resultatene en strategisk milepæl i et større spill for å eie fremtidens AI-infrastruktur. Her er hvordan brikkene faller på plass:

• Fullstack-fortellingen. Nvidia forklarer den 20-dobbelte gevinsten med ekstrem samdesign: NVLink skalerer opp og binder sammen 72 GPU-er i ett stoff, CUDA-kjerner overlapper kommunikasjon og beregning for MoE-modeller, og optimaliseringer i TensorRT LLM (som WideEP/DeepEP, DeepGEMM og fused MoE) holder effektiviteten oppe selv når antallet samtidige agentøkter skyter i været . For norske utviklere og bedrifter som vurderer AI-investeringer, betyr dette at maskinvaren ikke bare er rask på papiret, men også er bygget for å levere i komplekse, virkelighetsnære scenarioer.
• Total dominans i benchmarks. AgentPerf er bare siste tilskudd til en voksende liste. Blackwell Ultra satte allerede rekorder i MLPerf Inference v5.1 (blant annet 1,4 ganger høyere DeepSeek-R1-gjennomstrømning enn forgjengeren) , og sopte inn seieren i alle syv MLPerf Training v5.1-tester .
• Økosystemet som bevis. Nvidia trekker frem partnere som Together AI (som driver Cursor sin agentiske koding) og DeepInfra (som driver Pam.ai sin AI-arbeidsstyrke). Disse kjører allerede agentiske arbeidsbelastninger på Blackwell – et signal om at plattformen er produksjonsklar, ikke bare en benchmarkvinner .
• Veien videre. Blogginnlegget hinter eksplisitt til neste generasjons Vera Rubin-arkitektur (allerede i produksjon) som det neste steget for agentisk AI-kapasitet . En teknisk gjennomgang peker også på forventede forbedringer fra 50 PFLOPS med NVFP4-regnekraft og forbedret akselerasjon av LLM-verktøykall .

Kort oppsummert: Nvidia befester sin posisjon ikke bare som raskest, men som den mest energieffektive plattformen for den typen komplekse, sammensatte AI-oppgaver som vil prege neste bølge av AI-utvikling.