# 英伟达 Vera Rubin 首次出现在 MLPerf Training v6.1：七项中六项训练速度领先，同规模 DeepSeek-V3 训练时间约为 GB300 的一半；智能体推理「每瓦吞吐量超过 10 倍」的结果仍为暂定
- 事件 ID：evt-20261117-05
- 日期：2026-11-17　截至：2026-11-17 08:20（北京时间）
- 证据等级：企业宣称
- 来自：https://www.newtoken.link/daily/2026-11-17#evt-20261117-05
为什么重要：这是下一代机柜第一次用可对照的公共基准，而不是发布会形容词，来说明训练和智能体推理的效率变化。如果 4.14 分钟对 8.03 分钟、约 97% 的扩展效率站得住，买 Rubin 的理由就会更多写在「同样功耗和占地能训练得更快、能服务更多智能体」，而不是只写在芯片短缺上。它出现在治理危机和出口规则收紧的同一天，也会被用来争夺财报叙事：一边是合法需求的边界在改，一边是公司用基准说下一台机器仍然明显更快。反方检验：Training 结果引用了 MLCommons 条目，但仍是英伟达在财报前一天自行汇总的发布，比较对象是自家上一代优化系统，不是第三方加速器的全面对照；Endpoints「10 倍」尚未核实，不能当成已确认事实；「横扫全部训练基准」容易与「六项最快、第七项靠更大规模的上一代集群拿下绝对最快」混淆；基准成绩不能直接等同于客户生产环境的交付时间、良率或软件栈成熟度，更不能回答新规则下哪些客户还买得成。我的立场是：Rubin 的训练数字值得作为能力边界的新基准记下，但不要用一份尚未完全核实的推理对比，去覆盖同一天已经改写的出口许可和融资条件。机器更快，并不自动意味着东南亚的机柜还能按原来的客户结构装满。
## 来源（2 条）
- [NVIDIA Blog：NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance](https://blogs.nvidia.com/blog/mlperf-training-endpoints-vera-rubin/)（企业宣称）
- [NVIDIA Technical Blog：Vera Rubin NVL72 Achieves up to 2x Blackwell Ultra Performance in MLPerf Training v6.1](https://developer.nvidia.com/blog/nvidia-vera-rubin-nvl72-achieves-up-to-2x-blackwell-ultra-performance-in-mlperf-training-v6-1/)（企业宣称）