Newsora
IT之家11/17 09:46 · 16m ago

谷歌第七代自研 Ironwood TPU 交卷:8192 顆集羣約 102 秒達標 DeepSeek-V3 預訓練

IT之家 11 月 17 日消息,谷歌雲(Google Cloud)昨日(11 月 16 日)發佈博文,在 MLPerf Training v6.1 基準測試第一輪中,提交了覆蓋第七代 Ironwood TPU 與英偉達 Grace Blackwell GPU 的 10 項結果,涉及模型預訓練,以及 MLPerf 首次納入的智能體強化學習測試。IT之家注:10 項成績並非全部來自 Ironwood,其中 4 項使用谷歌自研芯片,另外 6 項採用英偉達 GPU。在 DeepSeek-V3 預訓練測試中,8,192 顆 Ironwood TPU 用時 1.70 分鐘(約 102 秒),讓目標模型達到基準規定的質量要求。谷歌同時披露,在擴展至 4,096 顆芯片的測試中,系統擴展效率達到 96%。根據 MLCommons 發佈的參賽方補充說明,谷歌在 DeepSeek-V3 671B 預訓練項目中提交了三組 Ironwood 成績:Ironwood 芯片數量達到目標質量的時間換算爲秒相對 2,048 顆配置的提速2,048 顆5.03 分鐘約 302 秒基準4,096 顆2.62 分鐘約 157 秒約 1.92 倍8,192 顆1.70 分鐘102 秒約 2.96 倍同輪 DeepSeek-V3 671B 測試中,可參考以下公開成績:提交方/平臺加速器配置達標用時英偉達 GB300 NVL72 集羣10,240 顆 GB300 GPU1.38 分鐘,約 82.8 秒谷歌 Ironwood 集羣8,192 顆 Ironwood TPU1.70 分鐘,102 秒英偉達 Vera Rubin NVL72 集羣1,024 顆 Rubin GPU4.14 分鐘英偉達 GB300 NVL72 集羣1,024 顆 GB300 GPU8.03 分鐘谷歌雲 A4X Max256 顆 GB300 GPU31.96 分鐘Ironwood 及谷歌雲 GB300 成績來自谷歌披露,其餘成績來自英偉達本輪技術說明,英偉達將 10,240 顆 GB300 的 1.38 分鐘列爲本輪該項目最短用時。在本輪首次引入的智能體強化學習測試中,640 顆 Ironwood 芯片運行 Qwen3.5-397B,用時 18.02 分鐘達到編程任務要求,準確率爲 76.5%,高於 69% 的目標。代碼生成與學習同步進行,讓訓練芯片等待時間佔比低於 3%。在 Google Cloud A4X Max 實例中,256 塊用於預訓練基準的 NVIDIA GB300 GPU 在 31.96 分鐘內達到目標質量,輔以 5 個 A4X 和 A4X Max 在 agentic RL 基準測試中的提交。參考New AI training performance benchmarks for Google TPUsMLCommons Releases MLPerf Training v6.1 Results, Spotlighting Recent Advances in AI TrainingSupplemental Results Discussion for MLPerf Training v6.1

Aggregator site: only the publisher's summary is shown here. Read the full story at the source.
Read full story →