MLCommons Releases MLPerf Training v6.1 Results, Spotlighting Recent Advances in AI Training
TL;DR · AI 摘要
MLPerf Training v6.1 新增两个基准,聚焦推荐系统和大模型后训练,展示了AI训练系统的最新进展。
核心要点
- MLPerf Training v6.1 新增了 DLRMv4-HSTU 和 Qwen3.5-397B 两个基准。
- Qwen3.5-397B 是首个用于大模型后训练的 MLPerf 基准,使用 GRPO 技术。
- MLPerf 基准套件推动了AI训练系统的创新和能效提升。
结构提纲
按章节快速跳转。
- §引言
- ·新增基准
MLPerf Training v6.1 新增了两个基准:DLRMv4-HSTU 和 Qwen3.5-397B。
DLRMv4-HSTU 是一个推荐系统基准,使用 HSTU 注意力架构和 Yambda 数据集。
Qwen3.5-397B 是首个用于大模型后训练的 MLPerf 基准,使用 GRPO 技术。
MLPerf 基准套件为AI训练系统提供了一个公平竞争的平台,推动创新和能效提升。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- MLPerf Training v6.1
- 新增基准
- DLRMv4-HSTU(推荐系统)
- Qwen3.5-397B(大模型后训练)
- MLPerf 的作用
- 推动AI训练系统创新
- 提升能效
金句 / Highlights
值得收藏与分享的关键句。
Qwen3.5-397B 是首个用于大模型后训练的 MLPerf 基准,使用 Group Relative Policy Optimization (GRPO) 技术。
MLPerf Training v6.1 新增了 DLRMv4-HSTU 和 Qwen3.5-397B 两个基准,展示了AI训练系统的最新进展。
MLPerf 基准套件推动了AI训练系统的创新和能效提升,为行业提供了公平竞争的平台。
MLPerf 训练 v6.1 结果:创纪录的参与度
MLCommons 发布 MLPerf 训练 v6.1 结果,聚焦人工智能训练的最新进展
新的基准测试聚焦于推荐系统和智能代理系统的后训练;参与度创历史新高,开启了新的直接对比
2026年11月16日
今天,MLCommons® 宣布了 MLPerf® 训练 v6.1 基准测试套件的新结果。本轮新增的两个基准测试以及收到的提交内容,展示了人工智能训练系统近期架构创新带来的影响,以及用于训练这些系统的硬件种类日益多样化。
“我们达到了 MLPerf 训练基准测试套件的一个令人兴奋的新里程碑,本轮参与度更高,既有成熟硬件也有新兴硬件的代表,结果中配置和部署的多样性也显著增加,”MLPerf 训练工作组联合主席 Pavan Yalamanchili 表示。“在已发布结果中,有更多可能系统的矩阵被体现出来,这使我们能更清楚地了解它们在人工智能训练最重要的现实场景中如何相互比较。”
MLPerf 训练 v6.1 新增了两个基准测试,……
MLPerf 训练基准测试套件包括针对多种机器学习(ML)应用的完整系统测试,对模型、软件和硬件进行压力测试。这个开源且经过同行评审的基准测试套件为竞争提供了一个公平的平台,推动整个行业在创新、性能和能源效率方面的进步。该套件的基准测试集合由来自人工智能社区的一组专家进行筛选和整理。
版本 6.1 新增了两个基准测试:DLRMv4-HSTU,一个推荐系统;以及 Qwen3.5-397B,一个大规模语言模型(LLM)后训练工作负载。
DLRMv4-HSTU 是一个推荐基准测试,它更新并替换了早期版本 MLPerf 基准测试中包含的 DLRM-dcnv2 基准测试。它使用 HSTU 基于注意力的架构,并在 Yambda 数据集上进行训练,Yambda 是目前可用的最大的开源推荐数据集之一。
Qwen3.5-397B 基准测试是 MLPerf 训练中首次引入的后训练工作负载:使用组相对策略优化(GRPO)进行大规模后训练。近期人工智能的许多创新,如智能代理功能,都依赖于后训练活动;为此,MLPerf 社区设计并构建了一个新的基准测试,以测试此类系统的性能。通过后训练,该基准测试通过在特定任务(如工具调用)上进行训练,使系统能够自行推理以解决软件工程任务。
“我们一直在努力确保 MLPerf 训练基准测试套件能够跟踪领域内成为标准实践的创新,”MLPerf 训练工作组联合主席 Shriya Rishab 表示。“后训练增加了人工智能训练架构的复杂性,我们为过去两年在这一全新基准测试上所做的工作感到自豪,它将为最先进的人工智能训练系统的性能提供重要的见解。而且 v6.1 的结果表明,社区正在迅速接受它。”
提交内容的多样性日益增加,突显了训练硬件、架构和规模的广泛多样性
MLPerf Training v6.1 进一步增加了提交者数量、提交的系统数量、结果数量以及典型系统的规模,超越了 v6.0 版本六个月前创下的部分记录。本轮参与者提交了 153 个系统,产生了 250 个测试结果。其中 57 个系统(占总数的 37%)是基于云的,相比 v6.0 版本的 29% 有所增加。有 12 个系统使用了 1,000 个或更多加速器,其中规模最大的系统使用了 10,240 个加速器。这些系统使用了 NVIDIA、AMD 和 Google 的加速器硬件,其中首次包括了 NVIDIA 的 Rubin 一代 GPU 和 Google 的 TPUv7(Ironwood)。
Yalamanchili 表示:“随着任务领域和相应的训练工作负载日益专业化,我们看到用于承载这些工作的底层硬件配置正在发生变化。MLPerf Training 基准套件为部署 AI 训练系统的组织提供了重要的指导,通过在不同工作负载下的多样化系统数据,帮助组织找到适合自己构建的‘最佳平衡点’,无论是单节点系统还是拥有数千个加速器的多节点集群。”
创纪录的行业参与度表明,社区对独立、透明的基准标准有着广泛的支持。
MLPerf Training v6.1 轮次包括来自 24 家提交组织的性能结果:AMD、ASUSTeK、Azure、Cisco、CoreWeave、Crusoe、Dell、Firmus、Fujitsu、Giga Computing、Google、HPE、Inventec、KRAI、Lambda、MiTAC、Nebius、NVIDIA、Oracle、Quanta Cloud Technology、Supermicro、tiny corp、TTA、佛罗里达大学。MLCommons 的 MLPerf 负责人 David Kanter 表示:“我们特别欢迎首次参与 MLPerf Training 提交的 Crusoe。”“众多组织继续向 MLPerf Training 基准提交数据,同时还有新的提交者加入,这表明为新工作负载和新系统提供可靠基准数据对社区的价值。”
广泛的行业利益相关者的积极参与加强了整个 AI 生态系统,并有助于确保基准满足社区的需求。我们邀请提交者和其他利益相关者加入 MLPerf Training 工作组,帮助我们继续完善基准。
查看结果
请访问训练基准页面,查看 MLPerf Training v6.1 的完整结果,并获取有关基准的更多信息。此次发布包含新的可视化工具,可以更深入地探索结果,包括跨系统性能比较以及对相似规模系统的排名结果。要了解每个提交者的具体结果,请参考补充信息。
关于 ML Commons
MLCommons 是一个开放的人工智能工程联盟,其使命是标准化人工智能的度量,以帮助做出明智的决策。自 2018 年以来,MLCommons 一直通过与工业界和学术界的协作工程,构建和运营工业级的基准和指标,用于评估人工智能系统,使客户能够理解权衡并做出明智的决策。
如需了解更多关于 MLCommons 的信息或了解如何成为会员,请访问 MLCommons.org 或发送电子邮件至 [email protected]。
媒体查询:请联系 [email protected]
类别
新闻
作者
ML Commons
分享
- 通过电子邮件分享
- 在 Facebook 上分享
- 在 LinkedIn 上分享
- 在 X 上分享
- 复制链接