MLPerf Training v6.1 发布:GB300 NVL72 上 GPT-OSS-20B 训练仅 19.697 分钟
想搞清楚 H100、Blackwell 和 Blackwell Ultra 差多少的可以看这份榜单:同一套 64 卡 GB300 系统把 GPT-OSS-20B 训练压到不到 20 分钟,比 H100 快近 3 倍。计划采购 GPU 或做大模型训练的团队值得拿这些数字做预算参考。
MLPerf Training v6.1 榜单出炉。Lambda 在单套 NVIDIA GB300 NVL72 系统(64 张 Blackwell Ultra GPU)上,将 GPT-OSS-20B 训练用时压到 19.697 分钟,比上一轮 64 张 H100 的成绩快 2.86 倍,比 64 张 Blackwell GPU(CoreWeave)快 1.37 倍。
Lambda 还首次跑了一个多模态基准:在同一套系统上非官方复现 Flux.1 训练,用时 26.36 分钟,比上一轮同硬件最快成绩快 1.50 倍。两代硬件间 2.86 倍的差距说明 Blackwell Ultra 在 FP4 精度和 NVL72 互联上的收益是实打实的。
榜单同时印证了一点:软件优化能在已有硬件上继续榨出速度,并非只有换新卡才能提速。对采购方来说,GB300 与 H100 的单位训练成本对比如今有了可直接引用的数据。
MLPerf Training v6.1 results are out!
On 64 @NVIDIAAI Blackwell Ultra GPUs in a single NVIDIA GB300 NVL72 system, GPT-OSS-20B trained in 19.697 minutes. That is 2.86× faster than 64 NVIDIA H100 GPUs last round (Cisco) and 1.37× faster than 64 NVIDIA Blackwell GPUs (CoreWeave).
We also ran our first multimodal benchmark. In an unofficial reproduction, Flux.1 trained in 26.36 minutes on the same system, 1.50× faster than the last round's fastest on that hardware.
New hardware shortens training, and better software keeps finding speed on hardware you already have.
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:MLPerf、NVIDIA、GB300、Blackwell Ultra,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Lambda」(@LambdaAPI),经 AITOP 多维评分管线结构化提炼。