Nvidia sopar banan med alla sju benchmark i MLPerf Training v6.0 – här är detaljerna
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3]. Två nya storskaliga MoE benchmark introduceras: DeepSeek V3 med 671 miljarder parametrar och GPT OSS 20B – endast Nvidia skickade in resultat för båda [3][10].
Publicerad avRedigerad med DeepSeek-V4-ProBilder genererade med GPT Image 1.5
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3].
Två nya storskaliga MoE benchmark introduceras: DeepSeek V3 med 671 miljarder parametrar och GPT OSS 20B – endast Nvidia skickade in resultat för båda [3][10].
CoreWeave satte nytt rekord genom att träna DeepSeek V3 671B på 2,02 minuter med 8 192 stycken GB300 NVL72 GPU:er i produktionsmiljö [8][26].
Blackwell Ultra (GB300 NVL72) levererar upp till 2,77 gånger högre tokens per sekund jämfört med föregångaren GB200 och visar stora mjukvaruoptimeringar [3][13].
What are the key highlights from the MLPerf Training v6.0 results, including Nvidia's performance across all benchmarks on its Blackwell plaNVIDIA's Blackwell platform set new performance records across all MLPerf Training v6.0 benchmarks, driven by the powerful GB300 NVL72 system.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What are the key highlights from the MLPerf Training v6.0 results, including Nvidia's performance across all benchmarks on its Blackwell pla. Article summary: ## MLPerf Training v6.0 Key Highlights. Topic tags: general, documentation, news, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "Home » News » NVIDIA Sets MLPerf Inference v6.0 Records with Blackwell Ultra Platform. # NVIDIA Sets MLPerf Inference v6.0 Records with Blackwell Ultra Platform. NVIDIA has publish" source context "NVIDIA Sets MLPerf Inference v6.0 Records with Blackwell Ultra Platform - StorageReview.com" Reference image 2: visual subject "# MLPerf Inference v6.0 Results Explained: GPU Performance Rankings for AI Workloads (2026). MLPerf Inference v6.0 results dropped April 1, 2026, and
openai.com
MLPerf Training v6.0: De viktigaste höjdpunkterna
Nvidia tog en storslam och vann vartenda benchmark i MLPerf Training v6.0. Företaget hade både snabbast tid till färdig modell i stor skala och högst prestanda per accelerator över samtliga sju arbetslaster – och var den enda deltagaren som ställde upp i alla tester .
Nya MoE-arbetslaster – DeepSeek-V3 och GPT-OSS-20B gör entré
MLCommons introducerade två nya förträningsbenchmark för mixture-of-experts (MoE):
DeepSeek-V3 – en riktig bjässe med totalt 671 miljarder parametrar, varav 37 miljarder aktiveras per token.
GPT-OSS-20B – en mindre och mer lättillgänglig MoE-modell .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Nvidia sopar banan med alla sju benchmark i MLPerf Training v6.0 – här är detaljerna"?
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3].
What are the key points to validate first?
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3]. Två nya storskaliga MoE benchmark introduceras: DeepSeek V3 med 671 miljarder parametrar och GPT OSS 20B – endast Nvidia skickade in resultat för båda [3][10].
What should I do next in practice?
CoreWeave satte nytt rekord genom att träna DeepSeek V3 671B på 2,02 minuter med 8 192 stycken GB300 NVL72 GPU:er i produktionsmiljö [8][26].
Nvidia sopar banan med alla sju benchmark i MLPerf Training v6.0 – här är detaljerna
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3]. Två nya storskaliga MoE benchmark introduceras: DeepSeek V3 med 671 miljarder parametrar och GPT OSS 20B – endast Nvidia skickade in resultat för båda [3][10].
Publicerad avRedigerad med DeepSeek-V4-ProBilder genererade med GPT Image 1.5
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3].
Två nya storskaliga MoE benchmark introduceras: DeepSeek V3 med 671 miljarder parametrar och GPT OSS 20B – endast Nvidia skickade in resultat för båda [3][10].
CoreWeave satte nytt rekord genom att träna DeepSeek V3 671B på 2,02 minuter med 8 192 stycken GB300 NVL72 GPU:er i produktionsmiljö [8][26].
Blackwell Ultra (GB300 NVL72) levererar upp till 2,77 gånger högre tokens per sekund jämfört med föregångaren GB200 och visar stora mjukvaruoptimeringar [3][13].
What are the key highlights from the MLPerf Training v6.0 results, including Nvidia's performance across all benchmarks on its Blackwell plaNVIDIA's Blackwell platform set new performance records across all MLPerf Training v6.0 benchmarks, driven by the powerful GB300 NVL72 system.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What are the key highlights from the MLPerf Training v6.0 results, including Nvidia's performance across all benchmarks on its Blackwell pla. Article summary: ## MLPerf Training v6.0 Key Highlights. Topic tags: general, documentation, news, general web, user generated. Reference image context from search candidates: Reference image 1: visual subject "Home » News » NVIDIA Sets MLPerf Inference v6.0 Records with Blackwell Ultra Platform. # NVIDIA Sets MLPerf Inference v6.0 Records with Blackwell Ultra Platform. NVIDIA has publish" source context "NVIDIA Sets MLPerf Inference v6.0 Records with Blackwell Ultra Platform - StorageReview.com" Reference image 2: visual subject "# MLPerf Inference v6.0 Results Explained: GPU Performance Rankings for AI Workloads (2026). MLPerf Inference v6.0 results dropped April 1, 2026, and
openai.com
MLPerf Training v6.0: De viktigaste höjdpunkterna
Nvidia tog en storslam och vann vartenda benchmark i MLPerf Training v6.0. Företaget hade både snabbast tid till färdig modell i stor skala och högst prestanda per accelerator över samtliga sju arbetslaster – och var den enda deltagaren som ställde upp i alla tester .
Nya MoE-arbetslaster – DeepSeek-V3 och GPT-OSS-20B gör entré
MLCommons introducerade två nya förträningsbenchmark för mixture-of-experts (MoE):
DeepSeek-V3 – en riktig bjässe med totalt 671 miljarder parametrar, varav 37 miljarder aktiveras per token.
GPT-OSS-20B – en mindre och mer lättillgänglig MoE-modell .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Nvidia sopar banan med alla sju benchmark i MLPerf Training v6.0 – här är detaljerna"?
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3].
What are the key points to validate first?
Nvidia vinner alla sju benchmark i MLPerf Training v6.0, både snabbast total träningstid och högst prestanda per accelerator [3]. Två nya storskaliga MoE benchmark introduceras: DeepSeek V3 med 671 miljarder parametrar och GPT OSS 20B – endast Nvidia skickade in resultat för båda [3][10].
What should I do next in practice?
CoreWeave satte nytt rekord genom att träna DeepSeek V3 671B på 2,02 minuter med 8 192 stycken GB300 NVL72 GPU:er i produktionsmiljö [8][26].
Nvidia var den enda plattformen som lämnade in resultat på båda dessa nya benchmark. Man använde GB300 NVL72-systemet, som optimerats med skräddarsydda mjukvarustackar, CUDA-grafer och avancerad MoE-routing .
DeepSeek-V3 är tekniskt intressant i sig och använder Multi-head Latent Attention (MLA), finkornig expertsegmentering (160 routade experter), multi-token prediction och en lastbalansering som inte kräver extra hjälpfunktioner .
CoreWeaves rekord på DeepSeek-V3
En av rundans största snackisar stod CoreWeave för. Molnleverantören tränade DeepSeek-V3 671B på 2,02 minuter – ja, du läste rätt – med hjälp av 8 192 stycken Nvidia GB300 NVL72-GPU:er. Det var den största GB300-klustret i den här omgången, och allt kördes på CoreWeaves ordinarie produktionsmoln .
Resultatet var det snabbaste DeepSeek-V3-resultatet i hela benchmarken, vilket uppnåddes genom optimeringar i flera lager: allt från nätverk och orkestrering till lagring .
GB300 NVL72 vs. GB200 NVL72 – ett rejält kliv framåt
Nvidias nya GB300 NVL72 (Blackwell Ultra) visar tydligt vad nästa generations hårdvara går för:
Systemet levererar upp till 2,77 gånger högre tokens per sekund jämfört med GB200 NVL72 vid inferens. I träningstesterna såg vi också en väsentligt högre genomströmning.
Blackwell Ultra har både större minne och högre effektbudget, vilket gör att modeller kan hållas mer lokalt på GPU:n och ge högre kapacitet jämfört med GB200 .
Mjukvaran spelar också en stor roll. DeepSeek-V3:s träningsgenomströmning förbättrades med 1,3 gånger på bara tre månader på identisk hårdvara. Detta tack vare optimeringar som fullständiga CUDA-grafer och sammanslagningar med CuTe DSL .
Rekordmånga deltagare och teknisk bredd
Intresset för MLPerf fortsätter att växa. I den här rundan deltog:
24 organisationer
95 olika system
Med 13 olika hårdvaruacceleratorer.
Den tekniska mångfalden ökar också. Vi ser nu flera olika recept för FP4-precision (inklusive MXFP4 från AMD) och olika mjukvaruramverk, vilket MLPerf Training-medordföranden Shriya Rishab lyfte fram .
AMD:s Instinct MI355X med MXFP4-precision visade konkurrenskraftiga resultat mot Nvidia B200 på finjustering av Llama 2-70B och förträning av Llama 3.1-8B .
Nätverk och systemvinster på stor skala
För att hantera den enorma skalan krävs mer än bara snabba GPU:er. Nvidias partners skalade upp till 8 192 Blackwell-GPU:er i hyperskala-kluster och drog nytta av Spectrum-X Ethernet med adaptiv routing och överbelastningskontroll. Detta säkerställde att nätverkskapaciteten hölls nära teoretiskt maximum även för MoE-modellers ”burstiga” all-till-all-kommunikation .
Kombinationen av NVLink-switchdomäner och skalbart nätverk gav rekordtider över hela linjen, inklusive:
Nvidia var den enda plattformen som lämnade in resultat på båda dessa nya benchmark. Man använde GB300 NVL72-systemet, som optimerats med skräddarsydda mjukvarustackar, CUDA-grafer och avancerad MoE-routing .
DeepSeek-V3 är tekniskt intressant i sig och använder Multi-head Latent Attention (MLA), finkornig expertsegmentering (160 routade experter), multi-token prediction och en lastbalansering som inte kräver extra hjälpfunktioner .
CoreWeaves rekord på DeepSeek-V3
En av rundans största snackisar stod CoreWeave för. Molnleverantören tränade DeepSeek-V3 671B på 2,02 minuter – ja, du läste rätt – med hjälp av 8 192 stycken Nvidia GB300 NVL72-GPU:er. Det var den största GB300-klustret i den här omgången, och allt kördes på CoreWeaves ordinarie produktionsmoln .
Resultatet var det snabbaste DeepSeek-V3-resultatet i hela benchmarken, vilket uppnåddes genom optimeringar i flera lager: allt från nätverk och orkestrering till lagring .
GB300 NVL72 vs. GB200 NVL72 – ett rejält kliv framåt
Nvidias nya GB300 NVL72 (Blackwell Ultra) visar tydligt vad nästa generations hårdvara går för:
Systemet levererar upp till 2,77 gånger högre tokens per sekund jämfört med GB200 NVL72 vid inferens. I träningstesterna såg vi också en väsentligt högre genomströmning.
Blackwell Ultra har både större minne och högre effektbudget, vilket gör att modeller kan hållas mer lokalt på GPU:n och ge högre kapacitet jämfört med GB200 .
Mjukvaran spelar också en stor roll. DeepSeek-V3:s träningsgenomströmning förbättrades med 1,3 gånger på bara tre månader på identisk hårdvara. Detta tack vare optimeringar som fullständiga CUDA-grafer och sammanslagningar med CuTe DSL .
Rekordmånga deltagare och teknisk bredd
Intresset för MLPerf fortsätter att växa. I den här rundan deltog:
24 organisationer
95 olika system
Med 13 olika hårdvaruacceleratorer.
Den tekniska mångfalden ökar också. Vi ser nu flera olika recept för FP4-precision (inklusive MXFP4 från AMD) och olika mjukvaruramverk, vilket MLPerf Training-medordföranden Shriya Rishab lyfte fram .
AMD:s Instinct MI355X med MXFP4-precision visade konkurrenskraftiga resultat mot Nvidia B200 på finjustering av Llama 2-70B och förträning av Llama 3.1-8B .
Nätverk och systemvinster på stor skala
För att hantera den enorma skalan krävs mer än bara snabba GPU:er. Nvidias partners skalade upp till 8 192 Blackwell-GPU:er i hyperskala-kluster och drog nytta av Spectrum-X Ethernet med adaptiv routing och överbelastningskontroll. Detta säkerställde att nätverkskapaciteten hölls nära teoretiskt maximum även för MoE-modellers ”burstiga” all-till-all-kommunikation .
Kombinationen av NVLink-switchdomäner och skalbart nätverk gav rekordtider över hela linjen, inklusive:
developer.nvidia.comNVIDIA Blackwell Tops MLPerf Training 6.0 with Industry-Leading Scale and Performance
benzinga.comMLCommons Releases MLPerf Training v6.0 Results
mlcommons.orgDeepSeek-V3: A Large-Scale MoE Pretraining Benchmark for ...
investors.coreweave.comCoreWeave Sets New AI Training Records in MLPerf® ...