MLPerf Training v6.1基准发布 展现AI训练系统新突破

MLPerf Training v6.1基准发布 展现AI训练系统新突破

MLCommons近日发布MLPerf Training v6.1基准测试结果。两个新增基准及提交数据,充分展示了AI训练系统在架构上的最新进展,以及训练硬件日益多元化的趋势。

新增基准覆盖推荐与大规模后训练

MLPerf Training基准套件通过全系统测试,评估机器学习应用在模型、软件和硬件上的综合表现。本次v6.1版本新增DLRMv4-HSTU推荐基准与Qwen3.5-397B大规模LLM后训练基准。

DLRMv4-HSTU采用基于HSTU的注意力架构,使用Yambda数据集进行训练,取代了此前的DLRM-dcnv2。Qwen3.5-397B则是MLPerf首次引入的大规模后训练工作负载,采用Group Relative Policy Optimization(GRPO)方法,重点测试系统在软件工程任务如工具调用上的推理能力。

提交系统多样性显著提升

v6.1共有24家机构提交153套系统,产生250项测试结果。其中37%为云端系统,较v6.0的29%有所增长。12套系统使用1000个以上加速器,最大规模达到10240个加速器。硬件涵盖NVIDIA、AMD和Google产品,首次出现NVIDIA Rubin GPU与Google TPUv7(Ironwood)。

行业参与度创新高

提交机构包括AMD、ASUSTeK、Azure、Cisco、CoreWeave、Crusoe、Dell、Fujitsu、Google、HPE、NVIDIA、Oracle、Supermicro等,首次提交者包括Crusoe。MLCommons表示,广泛的行业参与强化了AI生态系统,并持续推动基准向更贴近真实场景的方向演进。

完整结果及可视化工具可访问MLCommons官网查看。