Data Strategie

Analytics: wekelijkse updates tot en met 21 november

RTInsights

Samenvatting

Analytics: MLPerf Training v6.1 voegt twee benchmarks toe en registreert 250 testresultaten van 153 systemen.

MLPerf Training v6.1 breidt benchmarks uit

MLCommons publiceerde nieuwe resultaten voor MLPerf Training v6.1. De benchmark test complete systemen voor machine-learningtoepassingen en beoordeelt modellen, software en hardware samen. De nieuwe versie bevat DLRMv4-HSTU voor aanbevelingssystemen en Qwen3.5-397B voor grootschalige post-training met Group Relative Policy Optimization.

De resultaten laten een grotere deelname en systeemomvang zien dan in versie 6.0, die zes maanden eerder verscheen. Van de 153 ingediende systemen waren er 57 cloudgebaseerd. Twaalf systemen gebruikten minstens 1.000 accelerators; het grootste systeem telde 10.240 accelerators. De tests omvatten hardware van NVIDIA, AMD en Google, waaronder voor het eerst NVIDIA Rubin-gpu’s en Google TPUv7.

De weekupdate noemt daarnaast Microsofts AI Transparency Initiative. Microsoft werkt daarin samen met klanten en partners aan een open aanpak voor beveiliging en governance over modellen en aanbieders heen. De aankondiging vertrekt vanuit het principe dat meer autonomie van AI meer transparantie vereist.

MLPerf Training maakt hardwareverschillen zichtbaar

MLPerf Training biedt een vergelijkingskader waarin volledige systemen dezelfde soorten workloads uitvoeren. Dat maakt niet alleen chipprestaties zichtbaar, maar ook de invloed van software en systeemarchitectuur. De deelname van 24 organisaties, waaronder Microsoft Azure, Google, NVIDIA, Oracle en CoreWeave, laat zien welke partijen resultaten publiceren binnen hetzelfde benchmarkstelsel.

Voor analyticsplatforms met machine-learningcomponenten is vooral de komst van een post-trainingbenchmark relevant. Het artikel koppelt post-training aan recente AI-functionaliteit, waaronder agentische mogelijkheden. Tegelijk toont het aandeel cloudsystemen hoe de geteste infrastructuur is samengesteld; het percentage steeg van 29 procent in versie 6.0 naar 37 procent in versie 6.1.

Concrete takeaway voor analytics-teams

Gebruik MLPerf Training v6.1 als vergelijkingspunt wanneer je AI-infrastructuur beoordeelt. Kijk niet alleen naar acceleratornaam of model, maar vergelijk de volledige workload, softwarelaag, systeemgrootte en het onderscheid tussen training en post-training.

Lees het volledige artikel
Meer over Data Strategie →