您的位置首页 >人工智能 >

MLCommons 发布 MLPerf Training v6.1 成绩,GRPO 后训练基准首入榜单,Rubin、Ironwood 首次参测

MLCommons 在 11 月 16 日正式放出 MLPerf Training v6.1 的官方基准成绩,本次版本最大亮点就是新增 Qwen3.5-397B GRPO 后训练基准,这也是 GRPO 强化学习后训练任务第一次纳入 MLPerf 训练赛道,同时 NVIDIA Vera Rubin、谷歌第七代 Ironwood TPU 两大新加速平台首次参与该榜单测试,本轮一共新增两套基准任务,另一套是 DLRMv4-HSTU 推荐模型基准,替代旧版 DLRM-dcnv2,参与厂商一共 24 家,提交 153 套系统、250 组有效结果,对比的时候要注意不同硬件提交的集群规模不一样,不能直接横向对比单数字,优先看同规模下的收敛耗时、扩展效率,适合 AI 算力采购、大模型训练集群选型参考。

本轮核心新增基准清单

  • GRPO 后训练基准:Qwen3.5-397B,基于 Group Relative Policy Optimization,面向大模型 RL 后训练,本轮首次进榜
  • DLRMv4-HSTU 推荐基准:Yambda 数据集,HSTU 注意力架构,替换老版本 DLRM-dcnv2
  • 原有保留基准:LLM 预训练、图像生成、LoRA 微调、强化学习智能体训练等

首次参测硬件平台信息

硬件平台厂商类型本轮亮点
Vera Rubin NVL72NVIDIA新一代 GPU 集群GRPO 基准表现突出,同规模下对比 GB300 NVL72 单卡性能最高提升 2 倍
Ironwood(TPU v7)Google第七代 TPUDeepSeek-V3 预训练、智能体 RL 任务提交结果,8192 芯片规模完成预训练收敛

重点成绩简要参考

  1. NVIDIA Vera Rubin NVL72:在 Qwen3.5-397B GRPO 任务拿下头部成绩,同集群对比 GB300 NVL72 大幅缩短训练耗时
  2. Google Ironwood TPU:8192 芯片跑 DeepSeek-V3 预训练,1.70 分钟达标;640 芯片跑智能体 RL 任务,18.02 分钟达标,芯片空闲等待占比低于 3%
  3. 其他提交:AMD、Intel、Dell、Nebius 等厂商同步提交多套 GPU、加速卡集群结果

看懂榜单、选型参考步骤

  1. 分清基准:区分 GRPO 后训练、LLM 预训练、推荐模型基准,不同任务不能直接对比速度
  2. 核对集群规模:确认提交时使用的芯片数量,大规模集群天然耗时更短,优先看扩展效率
  3. 区分提交类型:留意是封闭分区提交还是预览提交,预览版软硬件还未正式商用
  4. 对齐场景:GRPO 基准对应大模型 RL 对齐,适合做 SFT、RLHF、智能体模型的团队参考
  5. 综合评估:除收敛时间,还要看功耗、互联带宽、软件栈适配,不只是看单指标

【常见问题】

问题 1:MLPerf Training v6.1 里 GRPO 后训练基准首次进榜,GRPO 是什么?

回答 1:MLPerf Training v6.1 新增的 GRPO 全称 Group Relative Policy Optimization,是大模型强化学习后训练算法,本次用 Qwen3.5-397B 作为标准模型,专门用来衡量大模型对齐、RL 训练的算力性能,也是 MLPerf 第一次加入这类后训练基准。

问题 2:MLPerf Training v6.1 里 Rubin 和 Ironwood 首次参测,分别是什么硬件?

回答 2:MLPerf Training v6.1 首次参测的 Rubin 是 NVIDIA 新一代 Vera Rubin NVL72 GPU 集群,接替 GB300;Ironwood 是谷歌第七代 TPU v7,两者都是面向超大模型训练的 AI 加速硬件。

问题 3:MLPerf Training v6.1 的 GRPO 基准,和普通 LLM 预训练基准有什么差别?

回答 3:LLM 预训练基准是从零训练基座大模型;MLPerf Training v6.1 新增 GRPO 基准属于后训练,是在已经训练好的基座上做强化学习对齐,更贴近现在做模型偏好优化、智能体训练的真实工作流。

问题 4:MLPerf Training v6.1 成绩可以直接拿来对比不同厂商算力好坏吗?

回答 4:不可以直接简单对比,MLPerf Training v6.1 不同厂商提交的芯片数量、集群规模不一样,需要在相同芯片数量、相同基准任务下对比,同时还要区分封闭正式提交和预览提交。

【参考资料】

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

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

[2026-11-16](Google Cloud shares TPU Ironwood MLPerf Training v6.1 results)Google 官方博客

[2026-11-17](MLPerf Training v6.1 成绩解读:GRPO 基准首次入榜)智源社区

【免责声明】

以上 MLPerf Training v6.1、GRPO 基准、Rubin 与 Ironwood 参测相关信息来自 MLCommons 及厂商公开资料,不同提交的集群配置、软件版本存在差异,测试结果仅代表该提交条件下的性能,不代表所有场景下的实际表现,本文不构成算力采购、硬件选型建议。

今日大家都在搜的词: