Am 16. November 2026 veröffentlichte Google Cloud zehn Ergebnisse aus MLPerf Training v6.1 für Systeme mit Ironwood-TPUs und NVIDIA-Grace-Blackwell-GPUs. Die hervorgehobenen Messungen betreffen unterschiedliche Aufgaben: DeepSeek-V3 im Vortraining und Qwen3.5-397B im nachgelagerten Training. Google Cloud meldete für beide eigene Einreichungen.

Bei MLPerf gehört jede Laufzeit zur konkreten Aufgabe und Systemkonfiguration – die Chipzahl allein erzählt nicht die ganze Geschichte.

Was die DeepSeek-V3-Zeiten messen

Google meldete für das Vortraining von DeepSeek-V3 (671B) eine Zielqualität nach 1,70 Minuten auf 8.192 Ironwood-Chips in einer ICI-Domäne. Für denselben Benchmark nannte das Unternehmen 5,03 Minuten mit 2.048 Chips und 2,62 Minuten mit 4.096 Chips. Die Einreichungsdetails stehen in der ergänzenden MLPerf-Diskussion.

Aufgabe und ModellSystem und KonfigurationZeit bis zur ZielqualitätEMFU gegenüber der BF16-Spitzenleistung
Vortraining von DeepSeek-V3 (671B)8.192 Ironwood-Chips, eine ICI-Domäne1,70 Minuten42 %
Vortraining von DeepSeek-V3 (671B)256 NVIDIA-GB300-GPUs auf Google Cloud A4X Max31,96 Minuten63 %

EMFU steht für „Effective Model FLOPs Utilization“ und beschreibt hier eine Auslastungskennzahl im Verhältnis zur BF16-Spitzenleistung des jeweiligen Systems. Die Werte stammen aus Google-Einreichungen; die unterschiedliche Zahl und Art der Beschleuniger macht die Laufzeiten zu Ergebnissen konkreter Gesamtsysteme, nicht zu einem direkten Vergleich pro Chip. Google Cloud

Ironwoods Skalierung ändert sich mit der Chipzahl

Googles ergänzende Angaben setzen die Laufzeiten für DeepSeek-V3 ins Verhältnis zu den Skalierungsschritten: Für den Sprung von 2.048 auf 4.096 Chips meldete das Unternehmen rund 96 Prozent Skalierungseffizienz. Von 4.096 auf 8.192 Chips waren es 77 Prozent. Die 96 Prozent beziehen sich also auf den ersten dieser Schritte, nicht auf die gesamte Skalierung bis 8.192 Chips.

Google nannte für dieselben drei Chipzahlen eine EMFU von 56, 54 und 42 Prozent. Beide Kennzahlen beschreiben unterschiedliche Aspekte der Ergebnisse: Die Skalierungseffizienz bezieht sich auf den Leistungszuwachs beim Ausbau des Systems, die EMFU auf die Auslastung im Verhältnis zur BF16-Spitzenleistung.

Qwen3.5-397B prüft eine andere Trainingsphase

MLCommons führte Qwen3.5-397B in MLPerf Training v6.1 als neuen Post-Training-Workload ein. Er nutzt Group Relative Policy Optimization (GRPO) für Aufgaben der Softwareentwicklung, darunter das Aufrufen von Werkzeugen. MLCommons beschreibt den Benchmark als Test des Zusammenspiels von Modell, Software und Hardware.

Google meldete für diesen Workload eine Zielqualität nach 18,02 Minuten auf 640 Ironwood-Chips. Die Konfiguration bestand aus einem 128-Chip-Trainer-Slice und 128 Sampler-Engines mit jeweils vier Chips. Google gab eine Genauigkeit von 0,765 bei einem Zielwert von 0,69 an; die Trainingschips warteten während des Laufs nach Unternehmensangaben weniger als drei Prozent der Zeit.

Die 18,02 Minuten für Qwen3.5-397B lassen sich nicht sinnvoll neben die DeepSeek-V3-Zeit als dieselbe Aufgabe stellen: Das eine Ergebnis betrifft Post-Training mit GRPO, das andere Vortraining. Auch für andere Kundenanwendungen sind die MLPerf-Zeiten keine pauschale Leistungsgarantie.

MLCommons zählte in der Runde 153 Systeme und 250 Testergebnisse von 24 einreichenden Organisationen. Als weitere neue Aufgabe in v6.1 nannte der Benchmark-Veranstalter DLRMv4-HSTU für Empfehlungssysteme. MLCommons