Кластер из 8192 чипов Google Ironwood достиг заданного порога качества в тесте предварительного обучения DeepSeek-V3 671B за 1,70 минуты — около 102 секунд. Результат вошёл в опубликованные итоги MLPerf Training v6.1. Время относится к достижению цели конкретного теста, а не к полному обучению модели.

Согласно дополнительным материалам MLCommons, Google также представила результаты для кластеров из 2048 и 4096 Ironwood: им потребовалось около 302 и 157 секунд соответственно. При увеличении числа чипов с 2048 до 8192 время сократилось примерно втрое. Google отдельно сообщила, что при масштабировании до 4096 чипов эффективность составила 96%; к конфигурации из 8192 чипов эта оценка не относится.

Для сравнения: в том же задании кластер Nvidia из 10 240 GPU GB300 достиг цели за 1,38 минуты, или около 82,8 секунды. Это самый короткий результат данного задания в раунде, но конфигурации различаются и по типу ускорителей, и по их количеству.

Ironwood участвовал и в новом для MLPerf тесте обучения ИИ-агента с подкреплением. По данным Google Cloud, 640 чипов работали с моделью Qwen3.5-397B и за 18,02 минуты достигли точности 76,5% в заданиях по программированию при целевом пороге 69%. Всего Google Cloud представила десять результатов в этом раунде: четыре на Ironwood и шесть на GPU Nvidia.

Продолжение после рекламы

Источник: IT Home.

Рейтинг: 0 / 5. Оценок: 0

Рекомендуем почитать

Оставьте комментарий

Перед оставлением комментария, пожалуйста, ознакомьтесь с правилами комментирования.