您的位置首页 >人工智能 >

MLCommons 发布 MLPerf Training v6.1 分析,四项基准最佳成绩几何平均增益 1.49 倍、Llama3.1 405B 退役

MLCommons 正式对外发布 MLPerf Training v6.1 训练基准的官方分析报告,在本轮和 v6.0 保持不变的四项基准里面,各家提交的最佳成绩对比上一轮,几何平均性能提升达到 1.49 倍,同时官方正式把 Llama 3.1 405B 从训练基准列表里面退役,不再作为 v6.1 的强制参评项目,本轮还新增了 Qwen3.5-397B 后训练基准、DLRMv4-HSTU 推荐模型基准,补齐了智能体强化学习后训练、新一代推荐算法的测试场景,整个基准套件的重心从单纯超大模型预训练,转向贴近当下 Agent 开发、模型微调、推荐系统的真实业务,厂商不再只比拼超大预训练速度,还要验证后训练、RL 优化、推荐模型的整套集群能力,也让 AI 算力集群的评估维度更加贴合产业落地。

版本核心变更信息

  • 对比版本:MLPerf Training v6.0
  • 不变对比基准:Llama3.1 8B、Llama2 70B LoRA、GPT-OSS 20B、FLUX.1
  • 四项基准最佳成绩几何平均提升:1.49 倍
  • 退役基准:Llama 3.1 405B 预训练基准,v6.1 不再接收该模型提交
  • 新增基准 1:Qwen3.5-397B LLM 后训练基准,基于 GRPO 强化学习,面向 Agent 软件修复任务
  • 新增基准 2:DLRMv4-HSTU 推荐基准,替换老版 DLRM-DCNv2
  • 本轮参与规模:24 家机构,153 套系统,合计 250 份结果,云厂商提交占比上升至 37%

四项保留基准性能概况

基准名称任务类型本轮优化方向
Llama3.1 8BLLM 预训练集群通信、内核调度、显存优化,单卡与多节点扩展效率提升明显
Llama2 70B LoRA大模型微调侧重低秩适配,面向企业轻量化微调场景
GPT-OSS 20BLLM 预训练中等规模基础模型,适配主流落地大模型尺寸
FLUX.1文生图扩散模型FP6 低精度训练方案验证,降低图像生成训练成本

退役 Llama 3.1 405B 的主要原因

  1. 产业重心转移:行业现在更多投入后训练、强化学习、Agent 能力开发,单纯超大参数预训练的参考价值下降
  2. 硬件门槛过高:405B 模型训练对 GPU 集群规模、互联带宽、显存需求极高,参与厂商变少,样本代表性不足
  3. 基准迭代策略:MLCommons 会轮换前沿模型,把名额留给更贴近当前 AI 创新方向的测试负载
  4. 替代思路:新增 Qwen3.5-397B 后训练基准,覆盖超大模型的强化学习优化,不再重复预训练赛道

新增两个基准的作用说明

  1. Qwen3.5-397B 后训练基准:MLPerf 第一个专门针对 LLM 后训练、强化学习的基准,任务是修复软件代码,用 Pass@4 作为质量指标,测试集群跑 GRPO 这类智能体训练任务的能力,匹配现在 Agent 开发的主流流程
  2. DLRMv4-HSTU 推荐基准:基于 HSTU 注意力架构,使用 Yambda 大型推荐数据集,替代老旧 DCNv2,跟上互联网推荐算法从 MLP 转向注意力的技术变化

厂商提交与评估流程

  1. 厂商在封闭分区、开放分区二选一提交,封闭分区必须使用固定参考模型、数据集和收敛目标
  2. 每个负载多次运行,剔除极值后取平均训练时长,时长越短代表训练性能越强
  3. MLCommons 统一校验收敛质量,不能只追求速度而牺牲模型效果
  4. 结果汇总后产出官方分析,横向对比同负载不同硬件、软件栈的表现

【相关 FAQ】

问题 1:MLCommons 发布 MLPerf Training v6.1 官方分析,四项未变基准最佳成绩几何平均增益是多少?

回答 1:MLCommons 发布 MLPerf Training v6.1 官方分析,四项保持不变的基准最佳成绩相比 v6.0,几何平均增益为 1.49 倍,涵盖 Llama3.1 8B、Llama2 70B LoRA、GPT-OSS 20B、FLUX.1 这四项负载。

问题 2:MLPerf Training v6.1 里面 Llama 3.1 405B 退役,是不是代表不再评估超大模型?

回答 2:MLPerf Training v6.1 里 Llama 3.1 405B 退役,只是取消这个预训练基准,并没有放弃超大模型评估,新增 Qwen3.5-397B 后训练基准,用来测试超大模型强化学习、Agent 后训练能力。

问题 3:MLPerf Training v6.1 新增的 Qwen3.5-397B 基准,和过去的 LLM 预训练基准有什么区别?

回答 3:MLPerf Training v6.1 新增 Qwen3.5-397B 基准属于 LLM 后训练负载,用 GRPO 强化学习做代码修复,衡量 Agent 能力训练速度;旧的 Llama3.1 405B 只做基础预训练,不包含强化学习优化环节。

问题 4:MLPerf Training v6.1 的四项不变基准,是哪四个?

回答 4:MLPerf Training v6.1 用来计算 1.49 倍性能增益的四项不变基准分别是 Llama3.1 8B、Llama2 70B LoRA、GPT-OSS 20B、FLUX.1,这四个负载延续 v6.0 的规则,方便跨版本对比算力进步。

【参考资料】

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

[2026-11-17](MLPerf Training v6.1 Adds Post-Training Test; NVIDIA, Google, CoreWeave Results Not Comparable)C114Pro

[2026-11-16](AMD Advances AI Training Across More Workloads in MLPerf Training 6.1)AMD 官方博客

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

[2026-09-24](MLPerf Training Introduces Its First LLM Post-Training Benchmark)MLCommons 官网

【免责声明】

本文内容整理自 MLCommons 官方公告、厂商技术博客以及行业媒体公开解读,MLPerf Training v6.1 的 1.49 倍几何平均增益为四项固定基准的最佳提交结果统计值,不同硬件、软件栈、集群规模下实际提升幅度存在差异;Llama 3.1 405B 仅退出训练基准,不影响其在推理基准中的使用,本文仅作为行业资讯解读,不构成算力硬件采购、集群建设投资建议。

今日大家都在搜的词: