跳到主要内容
检索

# NVIDIA GB300 NVL72

5 篇关联报道

订阅更新
  1. NVIDIA Blog

    Lambda用共封装光交换机连接上万块GPU:机架级网络时延降约4%,光引擎中位温度36°C

    Lambda 在 AI 工厂中部署 NVIDIA Photonics 共封装光学(CPO)交换机,把光引擎与交换芯片封装在同一基板上,用于连接 NVIDIA GB300 NVL72 机架、涉及超过 1 万块 GPU。公司测试显示,机架规模网络时延下降约 4%,pod 规模最多下降约 10%,吞吐与常规可插拔光模块持平。相比可插拔方案,该交换机宣称最高 5 倍能效和 15 倍可靠性,激光器用量减少 4 倍,光引擎中位温度 36°C 对 51°C。

  2. NVIDIA Technical Blog

    英伟达Vera Rubin首次亮相MLPerf训练榜:七项基准中六项训练时间最短,DeepSeek-V3上每GPU约快2倍

    英伟达Vera Rubin架构在MLPerf Training v6.1首次提交成绩,其NVL72平台在七项基准中的六项取得最短训练时间,相对高度优化的GB300 NVL72基线最高提升2倍。在6710亿参数的DeepSeek-V3上,Vera Rubin NVL72用1024块GPU把训练时间从8.03分钟压到4.14分钟;第七项基准的最快绝对成绩则由10240块GPU的GB300 NVL72以1.38分钟取得。英伟达称Vera Rubin从256块扩展到1024块GPU时保持97%以上的整体扩展效率。

  3. Engineering at Meta

    Meta把俄亥俄旧数据中心改造成千兆瓦级超算:首期已训出Muse,预训练有效算力占比超85%

    Meta在俄亥俄州新奥尔巴尼把一座原本承载网页流量的常规数据中心改造成千兆瓦级超算Prometheus,首期已完成并用于训练Muse基础模型。大规模训练中单台主机故障即可拖慢整个作业,Meta通过提升系统稳定性,使Muse Wonder预训练运行的goodput超过85%、强化学习运行超过90%。集群目前由数十万块GPU组成,满规模目标约100万块。

  4. NVIDIA Technical Blog

    Meta开源816B编码模型Muse Spark Open:1M上下文装下整个项目,稀疏路由每次只激活42B

    Meta发布面向智能体编码工作流的开源混合专家模型Muse Spark Open,总参数816B、每token激活42B,上下文窗口达1M token,可容纳包含复杂依赖与遗留代码的整个项目。此前的通用编码模型面向生成单个函数或单元测试这类上下文小、答案即时的单次补全任务,而多文件重构、跨数千文件导航、失败测试恢复与子智能体协调需要持续多步执行。该模型在NVIDIA GB300 NVL72上训练,支持工具调用、输出评估与迭代修正,并以目标条件保持方向、以上下文压缩维持长会话进展。

  5. NVIDIA Technical Blog

    NVIDIA 与 Nscale 在冰岛实测 DSX MaxLPS:同一 264.4 kW 预算下 GPU 从 140 增至 192,聚合吞吐提升 49.2%

    NVIDIA 与 Nscale 在冰岛 Keflavík 的 Verne 园区数据中心,用 NVIDIA GB300 NVL72 系统与 Kimi K2.5(FP4)推理负载,对 DSX MaxLPS 策略化动态功率分配做了联合评估:在相同的 264.4 kW 已批准功率预算下,受管 GPU 从 140 块增至 192 块(+37.1%),聚合吞吐从 1,084,503 tokens/s 升至 1,618,443 tokens/s(+49.2%),每已配置瓦特吞吐从 4.10 升至 6.12 tokens/s/W(+49.2%),同时中位数与 P75 延迟保持在基线 5% 以内,但 P99 首 token 时间从 15.7 秒基线上升 17%。

已读完全部报道