AA-AgentPerf 首次公布 NVIDIA Vera Rubin NVL72 在真实编码智能体轨迹上的服务结果：在 DeepSeek V4 Pro 上，每兆瓦总吞吐最高约为前代 GB300 NVL72 的 5.7 倍，在 DeepSeek V4.1 Flash、GLM-5.2 和 Kimi K3 上分别约为 5.4 倍、3.0 倍和 2.8 倍。这些倍数出现在 GB300 吞吐随每用户速度下降的位置，峰值吞吐时的领先只有 1.14 倍到 1.45 倍。测试负载中平均 97% 的输入 token 与上一请求重复，因此前缀缓存和跨内存层级的 KV 缓存成为关键。
英伟达把 AI 工厂的内存问题从“GPU 有多少容量”改成“每个字节产出多少有用 token”，用 NVFP4 压缩权重与 KV 缓存、宽专家并行分散 MoE 权重、Dynamo 复用 KV 缓存、Vera CPU 暂存工具调用期间的上下文、CMX 在机架级共享上下文存储。在回放真实编码智能体会话的 SemiAnalysis AgentX 上，每 GPU 同为 288 GB 的 Vera Rubin NVL72 在每用户 160 token/s 下，每兆瓦吞吐最高达到 GB300 NVL72 的 30 倍。
NVIDIA 介绍其 Vera Rubin 平台中 Groq 3 LPX 低延迟加速器的确定性执行模型：LPU 编译器可把计算与数据搬运排到时钟周期级，从而提前预测每个周期的电流需求，并借助 Preemptive Power（PEP）与 Clock Period Synthesis（CPS）两项技术降低电压跌落、缩小电压保护带，内部测试显示电压跌落减少逾 60%，估计可持续供电基线电压下降高个位数百分比，同一工作负载功耗有望降低低两位数百分比，平台层面在 2T+ 参数模型、长上下文与高交互场景下相较上一代 GB200 NVL72 可实现最高 35 倍每兆瓦吞吐。
CoreWeave 在 Fully Connected 大会上宣布 NVIDIA Vera Rubin NVL72 搭配 Spectrum-X 102.4T 以太网在 CoreWeave Cloud 上可用，首个客户 Cognition 用 FrontierCode 任务子集构建真实软件工程负载，早期测试显示 SWE-2 推理总 token 吞吐量较 GB200 NVL72 最高提升 4.8 倍；同时 CoreWeave 将提供面向 AI 智能体的 NVIDIA Vera CPU，并推出整合 Weights & Biases、OpenPipe 后训练能力与 marimo 的 CoreWeave Forge 环境。
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐量最高达 GB300 NVL72 的 3.7 倍、在 DeepSeek-R1 上最高达 2.5 倍，同时 GB300 NVL72 以 288 GPU 四机架实现 99% 扩展效率，软件优化较 v6.0 提升最高 1.6 倍。
已读完全部报道