Vera Rubin NVL72 показала до 30x пропускную способность на мегаватт и в 35 раз более дешёвые токены на агентных ИИ-нагрузках

NVIDIA опубликовала первые измерения эффективности систем Vera Rubin NVL72 на агентных ИИ-нагрузках: на бенчмарке SemiAnalysis AgentX, основанном на записях реальных агентных сессий программирования, стойка выдаёт до 30 раз большую пропускную способность на мегаватт, чем предыдущая GB300 NVL72, и снижает стоимость генерации токенов до 35 раз. По данным OpenRouter, агентные рабочие нагрузки потребляют в 15 раз больше токенов, чем обычный чат, поэтому эффективность на мегаватт напрямую определяет экономику ИИ-фабрик. Прирост достигается за счёт ко-дизайна всех уровней платформы: разделённый инференс (prefill/decode), выравнивание скоростей, экспертный параллелизм для MoE-моделей, распределённый KV-кэш и KV-aware маршрутизация, а также слитые CUDA-ядра MegaMoE. Задействованы Tensor Cores пятого поколения, третий Transformer Engine и 4-битное квантование NVFP4; на DeepSeek V4 Pro система показывает до 30x прироста к GB300 NVL72 (данные ожидают верификации SemiAnalysis и пока не учитывают производительность CPU Vera для вызова инструментов). Технология NVIDIA DSX MaxLPS дополнительно позволяет разместить до 40% больше GPU в том же бюджете энергопотребления.