MLCommons 发布 MLPerf Training v6.1 成绩,GRPO 后训练基准首次入榜,Rubin、Ironwood 首度参与测试

MLCommons 正式对外放出 MLPerf Training v6.1 测试榜单,本轮最大亮点就是新增基于 GRPO 的大模型后训练基准 Qwen3.5-397B,补齐了 MLPerf 长期缺少 RL 后训练评测的短板,同时 NVIDIA Vera Rubin、Google Ironwood 两大全新算力平台首次提交训练成绩,多家厂商同步更新软硬件栈优化效果。过去 MLPerf 训练基准大多只测预训练任务,而现在 AI 智能体、模型推理能力提升高度依赖 GRPO 这类后训练流程,新增基准使用 R2E-GYM 数据集,考核模型代码修复、推理强化学习能力;Rubin 也就是 Vera Rubin NVL72,是英伟达新一代整机平台,在多个项目对比 GB300 NVL72 拿到明显提速;Ironwood 是谷歌新一代 TPU 集群,本次用大规模芯片组跑通 DeepSeek-V3 预训练和 RL 任务。除了这两个新平台,本轮还新增 DLRMv4-HSTU 推荐模型基准,替换老版本 DLRM-DCNv2,AMD、戴尔、云厂商也都提交了大量补充结果,整体榜单覆盖预训练、后训练、推荐模型三类主流 AI 训练负载,给行业提供统一横向对比标尺。

一、本轮新增基准清单

  • Qwen3.5-397B(GRPO 后训练):MLPerf 首个 LLM 后训练基准,基于 Group Relative Policy Optimization 强化学习,目标任务是代码修复,Pass@4 指标 0.69,代表 AI Agent 训练负载
  • DLRMv4-HSTU:新一代推荐模型基准,替换旧版 DLRM-DCNv2,基于 HSTU 注意力结构、Yambda 超大推荐数据集

二、Rubin 与 Ironwood 平台基础信息对比表

平台归属厂商本轮核心看点代表负载表现
Vera Rubin NVL72NVIDIA首次登上 MLPerf 训练榜,NVLink6、HBM4,对比 GB300 NVL72 提速明显GPT-OSS 20B 预训练、Qwen3.5-397B GRPO 后训练
Ironwood TPUGoogle谷歌新一代 TPU 集群首次参测,大规模多芯片域扩展DeepSeek-V3 671B MoE 预训练、RL 强化学习任务

三、MLPerf Training v6.1 关键时间线

时间节点事件详情
2026-09-24MLCommons 官宣将新增 GRPO 后训练基准
2026-10开放 v6.1 提交窗口,厂商陆续提交测试结果
2026-11-16MLCommons 正式公开发布 MLPerf Training v6.1 全部成绩
2026-11-16 起英伟达、谷歌、AMD 等厂商陆续发布配套技术解读博客

四、本轮测试核心看点拆解

  1. GRPO 基准的意义:补齐评测缺口,现在大模型不是只靠预训练,后训练、RL 是智能体能力的核心环节,以后评估 AI 集群不能只看预训练速度
  2. Rubin 平台:同规模下,在 GPT-OSS 20B、Qwen3.5-397B 任务相比 GB300 NVL72 有 30%+ 的训练耗时下降
  3. Ironwood 大规模扩展性:最高使用 8192 颗 TPU 芯片跑 DeepSeek-V3 预训练,测试集群规模创下谷歌 TPU 提交记录
  4. 其他厂商优化:AMD MI355X、MI355X 靠软件更新,在 Llama 系列任务上相比 v6.0 平均提升约 19%

【相关 FAQ】

问题 1:MLCommons MLPerf Training v6.1 里 GRPO 后训练基准是什么?

回答 1:MLCommons MLPerf Training v6.1 里 GRPO 后训练基准是 Qwen3.5-397B,属于 MLPerf 首次上线的大模型后训练评测项,采用 GRPO 强化学习算法,测试模型代码推理能力。

问题 2:MLCommons MLPerf Training v6.1 中 Rubin 和 Ironwood 是第一次参测吗?

回答 2:MLCommons MLPerf Training v6.1 中 Rubin(Vera Rubin NVL72)、Ironwood TPU 都是首次参与 MLPerf 训练赛道提交,分别代表英伟达新一代 GPU 整机和谷歌新一代 TPU 平台。

问题 3:MLCommons MLPerf Training v6.1 除了 GRPO 后训练基准,还新增了什么基准?

回答 3:MLCommons MLPerf Training v6.1 除了 GRPO 后训练基准,还新增 DLRMv4-HSTU 推荐模型基准,用来替换旧版 DLRM-DCNv2,面向推荐系统训练负载。

【参考资料】

[2026-11-16](MLCommons Releases MLPerf Training v6.1 Results)MLCommons 官网

[2026-11-16](NVIDIA Vera Rubin NVL72 Achieves up to 2x Blackwell Ultra Performance in MLPerf Training v6.1)NVIDIA 开发者博客

[2026-11-16](MLPerf Training v6.1: Nebius ranks 1st on NVIDIA Vera Rubin at rack scale)Nebius 官方博客

[2026-11-16](MLPerf Training v6.1 Results: Record Participation)TMCnet

【免责声明】

本文内容整理自 MLCommons 官方公告以及厂商公开技术博客;MLPerf 成绩有 Closed、Available 等不同分区,不同集群规模、软件栈版本结果存在差异;本文数据仅用于行业参考,不构成算力采购、硬件选型建议,完整成绩清单请以 MLCommons 官方榜单为准。

本文来自作者[尘涡时序]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/rgzn/202611/3487.html

赞 (2)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 尘涡时序
    尘涡时序 2026年11月17日

    我是乌兰科技网的签约作者“尘涡时序”!

  • 尘涡时序
    尘涡时序 2026年11月17日

    希望本篇文章《MLCommons 发布 MLPerf Training v6.1 成绩,GRPO 后训练基准首次入榜,Rubin、Ironwood 首度参与测试》能对你有所帮助!

  • 尘涡时序
    尘涡时序 2026年11月17日

    本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索

  • 尘涡时序
    尘涡时序 2026年11月17日

    本文概览:MLCommons 正式对外放出 MLPerf Training v6.1 测试榜单,本轮最大亮点就是新增基于 GRPO 的大模型后训练基准 Qwen3.5-397B,补齐了 MLPerf 长期缺少 RL 后训练评测的短板,同时 NVIDIA Vera Rubin、Google Ironwood 两大全新算力平台首次提交训练成绩,多家厂商同步更新软硬件栈优化效果。过去 MLPerf 训练基准大多只测预训练任务,而现在 AI 智能体、模型推理能力提升高度依赖 GRPO 这类后训练流程,新增基准使用 R2E-GYM 数据集,考核模型代码修复、推理强化学习能力;Rubin 也就是 Vera Rubin NVL72,是英伟达新一代整机平台,在多个项目对比 GB300 NVL72 拿到明显提速;Ironwood 是谷歌新一代 TPU 集群,本次用大规模芯片组跑通 DeepSeek-V3 预训练和 RL 任务。除了这两个新平台,本轮还新增 DLRMv4-HSTU 推荐模型基准,替换老版本 DLRM-DCNv2,AMD、戴尔、云厂商也都提交了大量补充结果,整体榜单覆盖预训练、后训练、推荐模型三类主流 AI 训练负载,给行业提供统一横向对比标尺。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们