Vera Rubin llega a MLPerf con una afirmación de dominio
Nvidia estrenó su plataforma Vera Rubin NVL72 en los resultados de MLPerf Training v6.1, publicados el 16 de noviembre de 2026. Era la primera vez que el sistema de rack completo de la nueva generación aparecía en una ronda de este banco de pruebas, y la compañía no tardó en presentar el debut como un triunfo: según su propio recuento, obtuvo el primer puesto en seis de las siete pruebas del conjunto y fue la única plataforma que envió resultados para todas ellas, desde los modelos de lenguaje hasta la generación de imágenes, los sistemas de recomendación y el post-entrenamiento con aprendizaje por refuerzo.
La cifra que más circula es la del rendimiento por GPU. Nvidia sostiene que Vera Rubin NVL72 ofrece hasta el doble que un GB300 NVL72 optimizado, es decir, el sistema de la generación inmediatamente anterior después de un año de ajustes de software. El matiz es importante: la comparación no se hace contra una configuración de lanzamiento, sino contra una que ya ha recibido mejoras de bibliotecas, compiladores y núcleos de cómputo, lo que hace que el listón sea más alto de lo que sugeriría un simple cambio de hardware.
El análisis de los registros públicos de la ronda aporta números concretos. En el entrenamiento de DeepSeek-V3, un modelo de 671.000 millones de parámetros, un sistema Vera Rubin con 1.024 GPUs completó la tarea en 4,14 minutos, frente a los 8,03 minutos de GB300 en una configuración equivalente, una relación de aproximadamente 1,94 veces. Además, al pasar de 256 a 1.024 GPUs, el tiempo bajó de unos 16 minutos a unos 4, lo que equivale a una eficiencia de escalado cercana al 97 por ciento.
Conviene leer todo esto con la distancia que exige una noticia de proveedor. Gran parte de las cifras que se citan proceden de la propia Nvidia, y el término «barrido» con el que describe su actuación es su caracterización, no un veredicto independiente. Los resultados de MLPerf son verificables por naturaleza, pero la narrativa que los acompaña, qué comparar, con qué sistema y bajo qué criterio, la escribe quien los presenta. Este artículo separa lo que consta en los registros de lo que es interpretación de la compañía.
Para un desarrollador, la pregunta útil no es quién ganó, sino qué dicen estos números sobre el coste y el tiempo de entrenar modelos grandes, sobre la madurez del software que rodea al hardware y sobre lo que cabe esperar cuando estos sistemas lleguen a los proveedores de nube. En las secciones siguientes se explica qué mide MLPerf, qué se probó en esta ronda, cómo leer las cifras de DeepSeek-V3 y qué se sabe de la prueba de inferencia con vatios por medio.
Qué es MLPerf y por qué importa a quien programa
MLPerf es una familia de bancos de pruebas de rendimiento para sistemas de inteligencia artificial, mantenida por el consorcio MLCommons. Su propuesta es sencilla de enunciar y difícil de ejecutar: definir tareas concretas, con modelos, conjuntos de datos y objetivos de calidad fijos, y medir cuánto tarda cada sistema en completarlas. Los fabricantes y otros participantes envían sus resultados, que quedan publicados con la descripción del sistema utilizado, de manera que cualquiera pueda consultar qué hardware, cuántos aceleradores y qué configuración produjeron cada cifra.
En la parte de entrenamiento, la métrica central es el tiempo hasta alcanzar una calidad objetivo. No basta con procesar muchas muestras por segundo: el sistema debe llegar a un nivel de precisión definido de antemano. Esa condición evita que un fabricante presente un rendimiento bruto atractivo a costa de un entrenamiento que no converge, y obliga a que las optimizaciones, como el uso de formatos numéricos de menor precisión, preserven el resultado final del modelo.
Existe además una distinción entre divisiones. En la división cerrada, los participantes deben usar el mismo modelo y reglas muy ajustadas, lo que permite comparar hardware con hardware. En la abierta, hay más libertad para modificar el modelo o el procedimiento, a cambio de perder comparabilidad directa. Cuando un fabricante habla de primeros puestos, conviene mirar en qué división y en qué escala de sistema se obtuvieron, porque una prueba puede tener varias categorías de tamaño de clúster.
Para un programador que no compra hardware de centro de datos, MLPerf puede parecer lejano, pero tiene efectos prácticos. Los resultados orientan a los proveedores de nube sobre qué instancias adquirir, y esas decisiones se traducen más tarde en los precios y la disponibilidad de las máquinas que alquilan los equipos de aprendizaje automático. También funcionan como referencia para evaluar si un cambio de framework, de biblioteca de comunicación o de formato numérico aporta algo real, porque las pilas de software que se usan en las rondas suelen acabar integradas en las versiones públicas de los frameworks.
La otra razón por la que importa es la transparencia relativa. En un mercado donde los anuncios de rendimiento se miden con pruebas propias, un banco de pruebas con reglas públicas y resultados revisados por otros participantes ofrece un terreno común. No es perfecto, y el número de participantes varía de una ronda a otra, pero es una de las pocas referencias donde dos plataformas distintas se miden bajo la misma tarea.
Las siete pruebas de la ronda v6.1
El conjunto de esta edición cubre cuatro familias de cargas de trabajo, según la descripción que ofrece Nvidia: modelos de lenguaje de gran tamaño, generación de imágenes, sistemas de recomendación y post-entrenamiento mediante aprendizaje por refuerzo. En total son siete pruebas, y la compañía afirma haber quedado primera en seis. Lo relevante, más allá del recuento, es que presentó resultados en todas, algo que, según su relato, ninguna otra plataforma hizo en esta ronda.
Esa amplitud tiene un valor propio. Un acelerador puede destacar en una carga concreta, por ejemplo en convoluciones o en un tipo específico de modelo, y flojear en otras. Presentar resultados en todo el conjunto indica que la plataforma, incluido su software, está lo bastante madura como para ejecutar cargas muy diferentes entre sí: desde los patrones de comunicación intensiva de un modelo de mezcla de expertos hasta las tablas de incrustaciones enormes de un recomendador, que dependen más del ancho de banda de memoria y de la red que del cómputo puro.
El post-entrenamiento con aprendizaje por refuerzo merece mención aparte. Es una carga que ha ganado peso porque buena parte de las mejoras recientes de los modelos de lenguaje procede de esa fase, en la que el modelo genera respuestas, se evalúan y se ajustan sus pesos. Mezcla inferencia y entrenamiento en el mismo ciclo, y por eso es más difícil de optimizar que un entrenamiento clásico. Que forme parte de un banco de pruebas estándar es un indicio de hacia dónde se desplaza el trabajo real de los laboratorios.
La generación de imágenes y los recomendadores, por su parte, recuerdan que el entrenamiento de modelos no es solo cuestión de lenguaje. Muchos equipos de producto siguen entrenando modelos de recomendación para sus tiendas, redes o plataformas de contenidos, y son cargas con perfiles de rendimiento muy distintos de los de un transformador denso. Un resultado fuerte ahí es menos mediático, pero afecta a un número elevado de empresas.
Queda una cautela sobre el recuento de seis de siete. Que un fabricante sea primero en una prueba depende de quién más participó en ella y con qué escala. Si en una prueba determinada compiten pocos envíos, quedar primero pesa menos que si hay muchos sistemas de varios fabricantes. Nvidia aporta el recuento, pero el contexto de cada prueba, el número de rivales y la división en que se concursó, se consulta en las tablas públicas de MLCommons.
La arquitectura que sustenta el resultado
Vera Rubin NVL72 es la sucesora de la línea de racks de Nvidia en los que setenta y dos GPUs se conectan como un único dominio de comunicación de alta velocidad. El nombre del sistema indica ese número de aceleradores por rack, y la idea que lo sostiene es que los modelos modernos, sobre todo los de mezcla de expertos, necesitan intercambiar enormes volúmenes de datos entre aceleradores en cada paso, de modo que la red interna del rack pesa tanto como el cómputo de cada chip.
Esa lógica explica por qué el rendimiento por GPU es la métrica que Nvidia destaca. Cuando el cuello de botella está en la comunicación, no basta con que cada chip sea más rápido: hay que mejorar la forma en que se reparten los datos, cómo se solapan el cálculo y la transferencia, y cómo se aprovecha la memoria. Una ganancia de hasta el doble por GPU sugiere mejoras combinadas de hardware y software, no solo un salto de frecuencia o de número de unidades de cálculo.
No hay que perder de vista que parte de la ventaja de una nueva generación se explica por la memoria. La capacidad y el ancho de banda de la memoria de alto rendimiento condicionan cuánto de un modelo cabe en cada GPU y cuántas veces hay que ir a buscar datos. En esa línea se enmarcan otras noticias del sector, como el estudio de TSMC sobre la fabricación de memoria DRAM 3D a petición de Nvidia, que apunta a que la compañía busca resolver también el siguiente cuello de botella: TSMC estudia fabricar memoria DRAM 3D a petición de Nvidia.
La comparación con un GB300 NVL72 optimizado es, en cualquier caso, una forma exigente de medir una generación nueva. Los sistemas anteriores mejoran con el tiempo gracias a actualizaciones de software, y es habitual que una plataforma rinda notablemente más en su segunda o tercera ronda de MLPerf que en la primera. Que Vera Rubin supere a esa referencia ya ajustada en hasta el doble indica margen de hardware, aunque también cabe esperar que su propio software mejore en rondas futuras.
Un último aspecto de arquitectura es que el rack funciona como unidad de compra y de despliegue. Para quienes diseñan infraestructura, esto implica que la ganancia anunciada no se obtiene instalando un chip suelto, sino adoptando el sistema completo con su red, su refrigeración y su potencia eléctrica asociadas. La eficiencia por GPU, por tanto, debe leerse junto con el coste y la complejidad de desplegar el rack entero.
DeepSeek-V3 en 4,14 minutos: cómo leer la cifra
El dato más concreto que sale del análisis de los registros es el del entrenamiento de DeepSeek-V3, un modelo de 671.000 millones de parámetros. Con 1.024 GPUs, el sistema Vera Rubin lo completó en 4,14 minutos, mientras que el resultado de GB300 con el mismo número de aceleradores fue de 8,03 minutos. Dividiendo ambos tiempos se obtiene una mejora de aproximadamente 1,94 veces, coherente con el «hasta el doble» que enuncia la compañía.
Es importante entender qué mide ese tiempo. No se trata de entrenar el modelo desde cero hasta una versión comercial, que llevaría semanas o meses y miles de GPUs, sino de ejecutar la tarea definida por el banco de pruebas hasta alcanzar el objetivo de calidad fijado. Los minutos de MLPerf son una unidad comparativa, no una predicción del tiempo de un entrenamiento real. Sirven para comparar plataformas entre sí, no para estimar el calendario de un proyecto propio.
Que la carga sea DeepSeek-V3 tiene además un significado concreto. Es un modelo de mezcla de expertos, en el que solo una fracción de los parámetros se activa para cada token, y ese diseño genera un tráfico de comunicación muy intenso entre aceleradores, porque cada token debe enviarse a los expertos que le corresponden, que pueden residir en GPUs distintas. Es, por tanto, una prueba que castiga las redes débiles y premia a los sistemas con un dominio de interconexión amplio y rápido, justo la característica de un rack NVL72.
La diferencia entre un 1,94 y un «doble» redondo no es trivial para quien lee con rigor. El número es muy cercano al máximo que Nvidia proclama, pero no lo supera, y se refiere a un tamaño concreto de sistema. Otras pruebas y otras escalas pueden mostrar mejoras distintas, mayores o menores, y es precisamente por eso que la compañía habla de «hasta» dos veces. Quien necesite decidir una compra debería consultar la prueba y la escala que se parezcan a su carga.
Escalar de 256 a 1.024 GPUs con un 97 % de eficiencia
El segundo hallazgo del análisis de los registros se refiere al escalado. Dentro de los resultados de Vera Rubin, el paso de 256 a 1.024 GPUs, es decir, multiplicar por cuatro el número de aceleradores, redujo el tiempo de entrenamiento de unos 16 minutos a unos 4. En un mundo ideal, cuadruplicar los recursos dividiría el tiempo entre cuatro, y lo observado se acerca mucho a ese ideal, con una eficiencia de escalado de alrededor del 97 por ciento.
Hay una precisión que evita un error frecuente: esa comparación de 256 a 1.024 GPUs pertenece únicamente a la serie de Vera Rubin. No debe contrastarse directamente con la cifra de GB300, porque los tamaños de sistema, las configuraciones y las condiciones de cada envío pueden diferir. Mezclar el dato de escalado de una plataforma con el tiempo absoluto de otra conduce a conclusiones que los registros no respaldan.
La eficiencia de escalado importa porque es el punto donde muchos entrenamientos distribuidos pierden rendimiento. Cada GPU adicional aporta cómputo, pero también añade coste de coordinación: sincronizar gradientes, repartir expertos, esperar a los rezagados. Mantener un 97 por ciento al cuadruplicar el sistema significa que la comunicación y la sincronización consumen una fracción muy pequeña del tiempo, lo que habla bien tanto de la red como de las bibliotecas que organizan el reparto.
Para un equipo que entrena modelos, esa propiedad tiene una lectura económica. Si el escalado es casi lineal, usar más GPUs para acabar antes cuesta aproximadamente lo mismo en GPU-horas, porque el tiempo baja en la misma proporción en que sube el número de aceleradores. Eso permite iterar más rápido sin pagar una penalización relevante, y la velocidad de iteración suele ser el factor que más pesa en la productividad de un laboratorio.
También conviene recordar los límites. Un escalado casi perfecto en un banco de pruebas, con una carga bien controlada, no garantiza lo mismo en un entrenamiento real con datos heterogéneos, fallos de hardware y cargas de trabajo variables. A escala de miles de GPUs, la tolerancia a fallos, la recuperación desde puntos de control y la disponibilidad de datos entran en juego y reducen la eficiencia observada en la práctica.
El peso del software: bibliotecas, formatos numéricos y comunicación
Cada ronda de MLPerf es, en parte, una competición de ingeniería de software. Los envíos de los grandes fabricantes incluyen núcleos de cómputo afinados a mano, estrategias de paralelismo ajustadas a cada modelo, y formatos numéricos de baja precisión cuidadosamente validados para que el modelo converja al nivel exigido. La ventaja de hasta el doble por GPU de Vera Rubin no puede atribuirse solo al silicio, y Nvidia lo plantea como el resultado de una plataforma completa.
Ese carácter integrado es, desde hace años, la fortaleza de la compañía y también su punto de discusión. Quien desarrolla sobre CUDA se beneficia de que las mejoras de bajo nivel llegan a los frameworks sin cambiar el código del usuario, pero queda ligado a un ecosistema. Las recientes novedades corporativas alrededor de la dirección de la empresa y del futuro de su plataforma de programación se resumen en otra pieza del sector: Jensen Huang deja Nvidia: qué cambia para la IA y CUDA, útil para entender el contexto en el que llega este resultado.
En la práctica, buena parte del software que utiliza un envío a MLPerf acaba, con un desfase, en versiones públicas de bibliotecas y contenedores. Es un patrón conocido: las optimizaciones que permiten un buen resultado en el banco de pruebas se incorporan después a los frameworks de entrenamiento más usados. Por eso el efecto para un desarrollador no depende de tener acceso a un rack Vera Rubin, sino de que las técnicas desarrolladas para él se filtran hacia las herramientas habituales.
Los formatos numéricos son un buen ejemplo. Reducir la precisión de los cálculos acelera el entrenamiento y disminuye el consumo de memoria, pero exige técnicas para mantener estable la convergencia. Los envíos a MLPerf deben demostrar que alcanzan la calidad objetivo, de modo que sirven como validación pública de que ciertos recortes de precisión son viables en cargas de referencia. Esa evidencia es útil para quien valora adoptar formatos de menor precisión en sus propios entrenamientos.
La comunicación entre aceleradores es el otro frente. Las bibliotecas de comunicación colectiva, la forma de agrupar mensajes, el solapamiento con el cómputo y la topología física del rack condicionan el escalado que se observa en pruebas como la de DeepSeek-V3. Un 97 por ciento de eficiencia de 256 a 1.024 GPUs no se logra con hardware solo, y refleja un trabajo conjunto de red y software que los equipos de ingeniería afinan durante meses antes de cada ronda.
MLPerf Endpoints y la promesa de más de diez veces por vatio
Además de la ronda de entrenamiento, Nvidia habló de resultados en MLPerf Endpoints, la vertiente de inferencia del banco de pruebas. Allí afirma que Vera Rubin ofrece más de diez veces el rendimiento por vatio de GB300 al ejecutar Kimi K3. La métrica elegida, rendimiento por vatio, es reveladora: en inferencia a gran escala, el coste de la energía y la capacidad eléctrica disponible del centro de datos son límites tan reales como el número de chips.
Hay una salvedad que no debe pasarse por alto. Según la información disponible, este resultado es provisional y está pendiente de verificación por parte de MLCommons. Es decir, la cifra de más de diez veces es, de momento, una afirmación de la compañía sobre un envío que el consorcio todavía no ha confirmado, y debe tratarse con la cautela correspondiente hasta que la verificación concluya.
Una mejora tan grande por vatio, si se confirma, tendría una explicación plausible en la combinación de varios factores: hardware nuevo, formatos numéricos de menor precisión, mejoras en el manejo de la memoria de contexto y técnicas de servicio que agrupan solicitudes de forma más eficiente. Pero una cifra de esa magnitud depende mucho de los parámetros de la prueba, como la latencia exigida, el tamaño de lote y la longitud de las secuencias, y comparar a ciegas con otra plataforma puede resultar engañoso.
El modelo elegido, Kimi K3, es un nombre conocido para quienes siguen el ecosistema de pesos abiertos. Moonshot AI liberó recientemente los pesos de una variante de la familia en Hugging Face, algo que se detalla en Moonshot AI abre los pesos de Kimi K3.1 Pro en Hugging Face. Que un banco de pruebas de inferencia use un modelo de ese tipo refleja el interés por medir cargas que se parecen a las que los equipos ejecutan hoy.
Para un desarrollador que sirve modelos, el rendimiento por vatio acaba traduciéndose en coste por token. Si una plataforma procesa mucho más con la misma energía, el precio por millón de tokens que puede ofrecer un proveedor de inferencia baja, siempre que el resto de costes acompañe. Pero esa traslación no es automática ni inmediata: depende de cuándo lleguen estos sistemas a los proveedores, de su amortización y de la política de precios de cada uno.
Lo que implica para equipos y desarrolladores
La primera consecuencia práctica es de planificación. Los resultados sugieren que la generación Vera Rubin acortará de forma notable el tiempo de entrenamiento de modelos grandes frente a la anterior, de modo que los laboratorios con acceso a ella podrán iterar más rápido. Para el resto, el efecto llegará de forma indirecta, a través de la oferta de los proveedores de nube y de los precios del cómputo, cuando estos sistemas estén disponibles en volumen.
La segunda consecuencia atañe a la elección de arquitectura de modelo. Los resultados muestran que los modelos de mezcla de expertos, como DeepSeek-V3, escalan muy bien en sistemas con dominios de interconexión amplios. Quien diseñe o ajuste un modelo de ese tipo debería tener en cuenta cómo se reparten los expertos y qué infraestructura de red va a usar, porque la eficiencia de escalado depende tanto de la topología como del código.
Tercera: la eficiencia energética se vuelve criterio de diseño. Cuando el límite de un centro de datos es la potencia eléctrica y no el espacio, el rendimiento por vatio determina cuánta capacidad útil puede instalarse. Si la afirmación de Nvidia sobre inferencia se confirma, los equipos que sirven modelos propios podrían replantear qué instancias contratar y cómo dimensionar su flota, algo que merece seguirse cuando MLCommons verifique el resultado.
Cuarta: la importancia de medir por cuenta propia. Un banco de pruebas es una referencia, no un sustituto de las pruebas con la carga real. Antes de migrar infraestructura, un equipo debería comparar con sus propios modelos, sus longitudes de secuencia y sus restricciones de latencia. Las cifras de MLPerf orientan, pero la decisión de compra o de contrato debería apoyarse en mediciones sobre cargas representativas del trabajo diario.
Por último, la amplitud de pruebas cubiertas es un argumento a favor de la versatilidad. Los equipos que combinan varias cargas, por ejemplo un recomendador, un modelo generativo de imágenes y un modelo de lenguaje, se benefician de plataformas que funcionan bien en todas ellas, porque simplifican la operación frente a mantener flotas especializadas. Esa es, en esencia, la lectura que hace Nvidia al subrayar que fue la única con resultados en todo el conjunto.
Cautelas: qué no dicen los números
Ningún banco de pruebas es una fotografía completa. MLPerf mide tareas definidas con modelos y conjuntos de datos concretos, que pueden diferir de lo que un equipo entrena en producción. Un modelo propio con otra arquitectura, otro tamaño de contexto o un volumen de datos distinto podría comportarse de manera diferente, y la ventaja medida en DeepSeek-V3 no se transfiere automáticamente a otras cargas.
También hay que considerar la naturaleza de la participación. Los resultados reflejan quién decidió enviar, en qué categorías y con qué sistemas. Que una plataforma sea la única con resultados en todo el conjunto indica amplitud de cobertura, pero la ausencia de otros participantes en ciertas pruebas no equivale a que no puedan competir; puede responder a decisiones comerciales, a recursos o a prioridades de cada empresa. Interpretar el silencio como incapacidad sería una inferencia que los datos no permiten.
El concepto de «barrido» merece el mismo escepticismo. Es una forma de resumir seis primeros puestos de siete, y como tal, una caracterización de Nvidia. Describe un patrón de resultados favorable, pero no dice nada sobre la magnitud de las diferencias en cada prueba, que pueden ir desde márgenes estrechos hasta ventajas amplias. Para saberlo, hay que abrir las tablas y comparar tiempo contra tiempo, categoría contra categoría.
Finalmente, está la cuestión del coste. Un rendimiento superior por GPU no equivale a un coste inferior por tarea si el precio del sistema crece en la misma proporción. La métrica relevante para una empresa suele ser el coste total de entrenar o servir un modelo, que incluye hardware, energía, refrigeración, espacio y operación. Los resultados de MLPerf no incluyen esa contabilidad, y por eso complementan, sin sustituirlo, el análisis económico propio de cada organización.
Situación actual y qué viene después
A fecha de 17 de noviembre de 2026, los resultados de MLPerf Training v6.1 están publicados desde el día 16, y el análisis de los registros respalda las cifras principales que cita Nvidia en el caso de DeepSeek-V3: 4,14 minutos con 1.024 GPUs frente a 8,03 de GB300, y un escalado de 256 a 1.024 GPUs de en torno al 97 por ciento de eficiencia. El recuento de seis primeros puestos sobre siete y la condición de única plataforma con resultados en todo el conjunto siguen siendo, por su parte, afirmaciones de la propia compañía.
En el apartado de inferencia, el resultado de MLPerf Endpoints con Kimi K3, con más de diez veces de rendimiento por vatio frente a GB300, permanece como provisional a la espera de la verificación de MLCommons. Hasta que el consorcio lo confirme, conviene citarlo como una afirmación de Nvidia, no como un dato consolidado, y será una de las cosas a vigilar en las próximas semanas.
Lo que probablemente venga después es previsible. Los demás fabricantes y proveedores publicarán sus propios análisis de la ronda, los proveedores de nube anunciarán calendarios de disponibilidad de instancias basadas en la nueva generación, y Nvidia seguirá afinando el software, lo que históricamente mejora los resultados de una plataforma en rondas sucesivas. La comparación entre generaciones, además, se desplazará hacia el coste real por tarea cuando haya precios públicos.
Para los desarrolladores, la recomendación es seguir las tablas de MLCommons directamente y contrastar el relato de cada fabricante con los datos. Los números de esta ronda son prometedores para quienes entrenan modelos de gran tamaño, pero su traducción en costes y plazos dependerá de la disponibilidad y de los precios, y todavía es pronto para saber cuánto de la ventaja medida llegará a quienes no operan sus propios racks.
Conclusiones
Vera Rubin NVL72 debutó en MLPerf Training v6.1 con una actuación que, según Nvidia, le dio el primer puesto en seis de siete pruebas y la convirtió en la única plataforma con resultados en todo el conjunto. El análisis de los registros respalda la magnitud de la mejora en una prueba exigente: DeepSeek-V3 en 4,14 minutos con 1.024 GPUs, frente a 8,03 de GB300, una ventaja de aproximadamente 1,94 veces, en línea con el «hasta el doble» que anuncia la compañía.
El segundo mensaje es el del escalado. Pasar de 256 a 1.024 GPUs con una eficiencia cercana al 97 por ciento indica que la red y el software del sistema mantienen el rendimiento al crecer, algo clave para quienes entrenan modelos de mezcla de expertos. Esa cifra, sin embargo, describe solo a Vera Rubin y no debe compararse directamente con la de GB300.
El tercero es la cautela. Buena parte de lo que circula procede de Nvidia, el término «barrido» es su caracterización y la cifra de más de diez veces por vatio en inferencia con Kimi K3 es provisional hasta que MLCommons la verifique. Los números son una referencia valiosa, no una garantía de lo que se obtendrá con cargas propias.
Para quien programa y despliega modelos, la lección es práctica: seguir los resultados públicos, mirar qué pruebas y qué escalas se parecen a su caso, medir con sus propias cargas y esperar a que la nueva generación llegue a la nube con precios reales. Entonces se sabrá cuánto de esta ventaja de laboratorio se convierte en menor coste y menos tiempo de espera.
