SecondSource一次情報から判断を組み立てる

NVIDIA は 11 月 16 日に MLPerf の成績を公表した。Vera Rubin NVL72 は DeepSeek-V3 の事前学習の試験で、GPU 一基あたり前世代の GB300 の約二倍だった。

コンセプトイラスト:2本の黒い柱に支えられた看板と、その下に四角い窓が一列に並ぶベージュの建物があり、看板上部の黒い帯には緑色の四角いアイコンと NVIDIA の文字、右端に MLPERF の文字がある。看板の左側では VERA RUBIN の文字の上で、白い横線の入った背の高い黒いキャビネットが空のトレイと、キャビネットとほぼ同じ高さの赤い紙の束との間に立ち、右側では GB300 の文字の上の同じ形のキャビネットに、白い紙の入ったトレイから紙が1枚曲がって入り、反対側からは1枚が曲がって出て、ずっと低いベージュの紙の束に載っている。 画像内の文字:約2倍 NVIDIA 公表の MLPerf 成績:DeepSeek-V3 事前学習の速さ、GPU 一基あたり、Vera Rubin は前世代 GB300 の。

NVIDIA は、推論の電力あたりスループットが 10 倍以上だと主張する。ただし比べた条件が違う。同時に処理した要求は 1,024 件と 48 件である。推論の成績は MLCommons の検証もまだ経ていない。MLPerf は学習と推論のベンチマークで、成績を検証し公表するのは業界団体 MLCommons である。学習の試験では両システムとも 1,024 基の GPU を使い、Vera Rubin は 4.14 分、GB300 は 8.03 分だった(NVIDIA、2026-11-16)。GPU クラウドの CoreWeave が同じ日に書いた「2.7 倍」は、双方 256 基の GPU で DeepSeek-V3 を学習させた時間の比で、比べた相手は GB300 ではなく一つ前の GB200 である(CoreWeave、2026-11-16)。推論には新しいベンチマーク MLPerf Endpoints を使い、Kimi K3 でエージェントの作業を走らせた。Vera Rubin は 32 基のアクセラレータで 1,024 件、GB300 は 48 基で 48 件の要求を同時に処理し、どちらも利用者一人あたり毎秒約 50 トークンを保った(NVIDIA 技術ブログ、2026-11-16)。同時に処理した要求の数は 21 倍違う(本紙の計算)。NVIDIA が公表したスループットと消費電力で計算すると、kW あたり毎秒の出力トークンは Vera Rubin が約 410、GB300 が約 37 で、約 11 倍になる(本紙の計算)。最初のトークンが返るまでの時間は Vera Rubin のほうが遅く、P90 で 4,673.9 ミリ秒、GB300 は 2,305.1 ミリ秒だった。 どう確かめたか →

出典と検証

この記事は2026年11月17日の夕刊に掲載されました(同じ号にほか 13 本)。確認の経緯、引用の照合、その日に確認できなかった資料は、その号の本日の検証にあります。

この記事を引用

SecondSource(2026)「NVIDIA は 11 月 16 日に MLPerf の成績を公表した。Vera Rubin NVL72 は DeepSeek-V3 の事前学習の試験で、GPU 一基あたり前世代の GB300 の約二倍だった。」https://secondsource.io/ja/news/2026-11-17-5/ (閲覧日閲覧)