NVIDIA заявила, що Vera Rubin скоротить у чотири рази кількість GPU для посттренування великих моделей

NVIDIA представила нові розрахунки ефективності платформи Vera Rubin для посттренування великих моделей штучного інтелекту. Компанія стверджує, що найбільші моделі можна буде донавчати з використанням у чотири рази меншої кількості графічних процесорів, ніж на системах покоління Blackwell. Йдеться не про первинне навчання на сирих масивах даних, а про цикли, у яких модель після запуску вчиться планувати, працювати з інструментами, виправляти помилки та адаптуватися до нових середовищ.

Для агентних систем ці цикли повторюються постійно: модель генерує спробу, система винагород оцінює результат, а зворотний прохід оновлює ваги. NVIDIA пропонує оцінювати такий процес через «інтелект на долар» — співвідношення приросту можливостей до повної вартості обчислень. Показник пов'язаний із ціною мільйона токенів, але враховує також вартість регулярного вдосконалення моделі, а не лише її роботу після навчання.

На чому ґрунтується оцінка

Компанія демонструє підхід на Nemotron 3 Ultra — відкритій моделі типу mixture-of-experts із 550 млрд параметрів. Вона набрала 71,7% на SWE-bench Verified, де перевіряється здатність виправляти реальні помилки у відкритому програмному забезпеченні. Раніше KONTUR описував позицію Nemotron 3 Ultra серед відкритих агентних моделей; тепер NVIDIA пояснює інфраструктурний бік її посттренування. Prime Intellect повідомила про 30% вищу пропускну здатність Vera CPU порівняно з альтернативними x86-системами на своїх RL-навантаженнях. Це результати компаній-учасників екосистеми NVIDIA, а незалежні тести готових Vera Rubin-систем ще потрібні після їх масового розгортання.