Em 16 de novembro de 2026, o Google Cloud publicou 10 resultados no MLPerf Training v6.1, com sistemas Ironwood e GPUs NVIDIA Grace Blackwell. As cifras destacam tarefas diferentes: o pré-treinamento de DeepSeek-V3 e o pós-treinamento de Qwen3.5-397B. Os detalhes dos envios identificam os modelos, as configurações e as faixas de escalonamento por trás dos tempos.

Para interpretar um tempo de benchmark, confira primeiro qual tarefa foi executada e em que configuração; o menor número, isoladamente, não escolhe um vencedor.

Modelos, tarefas e sistemas por trás dos resultados

O resultado de 1,70 minuto do Ironwood corresponde ao pré-treinamento de DeepSeek-V3 (671B), executado em 8.192 chips dentro de um único domínio ICI. Já o teste de Qwen3.5-397B mede uma etapa diferente: pós-treinamento com aprendizado por reforço. A tabela reúne esses destaques e as demais configurações de DeepSeek-V3 informadas pelo Google Cloud na rodada (anúncio do Google Cloud; detalhes do envio ao MLPerf).

Tarefa e modeloSistema e configuraçãoTempo até a qualidade-alvoOutra medida informada
Pré-treinamento de DeepSeek-V3 (671B)2.048 chips Ironwood5,03 minEMFU de 56% em relação ao pico BF16
Pré-treinamento de DeepSeek-V3 (671B)4.096 chips Ironwood2,62 minEMFU de 54% em relação ao pico BF16
Pré-treinamento de DeepSeek-V3 (671B)8.192 chips Ironwood, um domínio ICI1,70 minEMFU de 42% em relação ao pico BF16
Pós-treinamento de Qwen3.5-397B640 chips Ironwood: uma fatia de treinamento com 128 chips e 128 mecanismos de amostragem com quatro chips cada18,02 minAcurácia de 0,765 ante a meta de 0,69; espera dos chips de treinamento inferior a 3%
Pré-treinamento de DeepSeek-V3256 GPUs NVIDIA GB300 em instâncias Google Cloud A4X Max, distribuídas por vários domínios via RoCE31,96 minEMFU de 63% em relação ao pico BF16

A EMFU, ou utilização efetiva de FLOPs do modelo, compara a execução com o desempenho máximo BF16 do sistema. Ela não é o mesmo indicador que a eficiência de escalonamento, que o Google Cloud reportou separadamente para os aumentos de escala do Ironwood.

A eficiência do Ironwood varia entre as etapas

No pré-treinamento de DeepSeek-V3, o Google Cloud informou eficiência de escalonamento de cerca de 96% ao passar de 2.048 para 4.096 chips Ironwood. Na etapa de 4.096 para 8.192 chips, o valor reportado foi de 77%. Portanto, os 96% descrevem a primeira faixa, não todo o aumento até 8.192 chips.

O envio também usou o software MaxText em precisão mista: multiplicações de matrizes de especialistas e de projeções de atenção em FP8, atenção central em BF16 e pesos mestres em FP32. Esses detalhes fazem parte da configuração medida, junto com o modelo e a quantidade de chips.

O que cada benchmark avalia

O MLPerf Training v6.1 incluiu um novo teste de pós-treinamento de Qwen3.5-397B com GRPO, sigla de uma técnica de otimização por aprendizado por reforço. A tarefa envolve problemas de engenharia de software, incluindo o uso de ferramentas. A configuração enviada pelo Google Cloud separou o treinamento, em uma fatia de 128 chips, da amostragem, feita por 128 mecanismos de quatro chips cada (definição do workload pela MLCommons).

A rodada também adicionou o workload de recomendação DLRMv4-HSTU. A MLCommons define os testes do MLPerf como avaliações de sistemas completos, que abrangem modelos, software e hardware. Assim, os tempos apresentados pertencem às tarefas e configurações específicas de cada execução. Os resultados de DeepSeek-V3 no Ironwood e nas GPUs GB300 usam quantidades e configurações diferentes; os números, por si só, não estabelecem qual plataforma seria mais rápida ou econômica em qualquer carga de trabalho.

A MLCommons contabilizou 153 sistemas e 250 resultados enviados por 24 organizações no MLPerf Training v6.1.