跳到正文
新浪科技·· 5 天前AI 評分56

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

谷歌第七代自研 Ironwood TPU 交卷:8192 颗集群约 102 秒达标 DeepSeek-V3 预训练

AI 導讀

Google Cloud 在 MLPerf Training v6.1 首輪 DeepSeek-V3 預訓練測試中,以 8192 顆 Ironwood TPU 用 1.70 分鐘(約 102 秒)達到基準要求的模型質量。

正文

IT之家 11 月 17 日消息,谷歌云(Google Cloud)昨日(11 月 16 日)发布博文,在 MLPerf Training v6.1 基准测试第一轮中,提交了覆盖第七代 Ironwood TPU 与英伟达 Grace Blackwell GPU 的 10 项结果,涉及模型预训练,以及 MLPerf 首次纳入的智能体强化学习测试。

IT之家注:10 项成绩并非全部来自 Ironwood,其中 4 项使用谷歌自研芯片,另外 6 项采用英伟达 GPU。

在 DeepSeek-V3 预训练测试中,8,192 颗 Ironwood TPU 用时 1.70 分钟(约 102 秒),让目标模型达到基准规定的质量要求。谷歌同时披露,在扩展至 4,096 颗芯片的测试中,系统扩展效率达到 96%。

根据 MLCommons 发布的参赛方补充说明,谷歌在 DeepSeek-V3 671B 预训练项目中提交了三组 Ironwood 成绩:

同轮 DeepSeek-V3 671B 测试中,可参考以下公开成绩:

Ironwood 及谷歌云 GB300 成绩来自谷歌披露,其余成绩来自英伟达本轮技术说明,英伟达将 10,240 颗 GB300 的 1.38 分钟列为本轮该项目最短用时。

在本轮首次引入的智能体强化学习测试中,640 颗 Ironwood 芯片运行 Qwen3.5-397B,用时 18.02 分钟达到编程任务要求,准确率为 76.5%,高于 69% 的目标。代码生成与学习同步进行,让训练芯片等待时间占比低于 3%。

在 Google Cloud A4X Max 实例中,256 块用于预训练基准的 NVIDIA GB300 GPU 在 31.96 分钟内达到目标质量,辅以 5 个 A4X 和 A4X Max 在 agentic RL 基准测试中的提交。

参考

新浪众测 新浪众测

新浪科技公众号

新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

科学大家

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片

來源:新浪科技 · finance.sina.com.cn