Nvidia absolviert den spektakulären ersten Test von Vera Rubin, wobei der Durchsatz von DeepSeek um das 30-fache ansteigt.
Das ist absolut überwältigend.
Gerade eben hat Nvidia erstmals in seiner Geschichte die ersten gemessenen On-Chip-Daten des nächsten Flaggschiff-Schranks Vera Rubin NVL72 veröffentlicht.
Und für diesen Test wurde direkt DeepSeek-V4-Pro eingesetzt, um die realste Aufgabe des „Agenten-Codierens“ auszuführen!
Das Ergebnis ist erstaunlich: Im Vergleich zum aktuellen Top-Modell GB300 NVL72 hat der Durchsatz von Vera Rubin pro Megawatt um das 30-fache zugenommen, und die Token-Kosten sind um das 35-fache gesunken!
Jemand rief aus: „Ich würde nicht einmal so etwas in eine Präsentation für Investoren schreiben!“
Ein anderer Nutzer kommentierte scherzhaft: „Früher dachte ich, die 30.000 US-Dollar pro H200 seien teuer, jetzt sehe ich, dass die H200 nicht einmal als Einstiegsmodell gilt.“
Schauen wir uns das genauer an.
Von H200 bis GB300 hat sich der Durchsatz bei realen Agent-Arbeitslasten um bis zum 30-fachen erhöht, während die Kosten ungefähr verdoppelt wurden.
Von GB300 bis Vera Rubin ist der Durchsatz erneut um bis zum 30-fachen gestiegen, und der Preis des gesamten Schranks hat sich ungefähr erneut verdoppelt.
Nach dem Mooreschen Gesetz von Jensen Huang lautet das Fazit: Der größte technische Durchbruch von Nvidia in den letzten zwei Jahren ist nicht die GPU selbst, sondern dass der Preis um das Vierfache gestiegen ist, was einen Geschwindigkeitssprung von ganzen 900-fachen ermöglicht!
Diesmal verkündet Nvidia allen eine kontraintuitive Wahrheit: Die Ära der großen Sprachmodelle ist vorbei, die Ära der Agenten ist angebrochen, alle alten KI-Benchmarks sind ungültig!
Gleichzeitig wurde der eigens für Agenten entwickelte Vera CPU von SpaceXAI von Elon Musk über Nacht installiert und soll sogar direkt in den Weltraum gebracht werden.
Heute ist auch die Massenproduktion von Nvidia Groq 3 LPX vollständig angelaufen.
Wenn Gemma 4 31B darauf läuft, ist die Geschwindigkeit unglaublich und erreicht direkt 3400 Token pro Sekunde. Der Durchsatz von Modellen mit Billionen von Parametern ist um das 35-fache gestiegen.
Diese neuen Rekorde schreiben das kommerzielle Muster der Agenten-Ökologie ab sofort neu!
Warum muss Nvidia Vera Rubin auf den Markt bringen?
Die neuesten Daten von OpenRouter geben die Antwort: In der realen Welt verbraucht eine Agent-KI-Aufgabe die 15-fache Anzahl von Token im Vergleich zu normalen Chat-Gesprächen!
Zum Beispiel, wenn ein Agent ein Unternehmen für Investitionsentscheidungen untersucht, werden der Agent und die Unteragenten ständig schlussfolgern, die akkumulierten Token werden als Eingabe für den nächsten Schritt verwendet, und die Verarbeitung langer Kontexte wird zum entscheidendsten Faktor, der die Agent-KI einschränkt.
Je häufiger die Interaktionen der Agenten stattfinden, desto größer ist der Durchsatz – die Anzahl der Agenten hat sich verzehnfacht, die Anzahl der Tool-Aufrufe hat sich verdoppelt, und der Widerspruch zwischen Rechenleistung und Algorithmus hat neue Anforderungen hervorgebracht.
Verwechseln Sie nicht Chats mit Agenten, alle alten Benchmarks sind ungültig!
In diesem Moment sind die traditionellen KI-Benchmarks (wie feste 8K/1K-Sequenztests) vollständig unwirksam.
Nvidia hat offiziell klargestellt: Die Leistungsmessung muss sich weiterentwickeln! Es darf nicht mehr nur eine einzelne Inferenzanfrage getestet werden, sondern der vollständige Agent-Arbeitsablauf muss erfasst werden.
Dafür haben sie den AgentX-Benchmark von SemiAnalysis verwendet.
Dieser Test ist kein starres Frage-Antwort-Spiel mehr, sondern gibt echte „Code-Schreibsitzungen“ mit wachsendem Kontext, Tool-Aufrufen und Unteragent-Generierung wieder.
Das ist der Grund, warum die H200 auf dem neuen Agenten-Schlachtfeld überfordert ist und Vera Rubin die Vorherrschaft übernehmen wird.
Vera Rubin NVL72 × DeepSeek-V4-Pro:
Das Rechenleistungs-Monster ist da
Um die Stärke von Vera Rubin NVL72 zu beweisen, hat Nvidia direkt den Open-Source-Champion – DeepSeek-V4-Pro (1,6T) – für On-Chip-Messungen verwendet.
Die Daten sind erstaunlich –
Unter der AgentX-Arbeitslast hat sich der Durchsatz von Vera Rubin NVL72 pro Megawatt im Vergleich zu GB300 NVL72 um das volle 30-fache erhöht!
Bitte beachten Sie, dass hier nicht mit der veralteten H200 verglichen wird, sondern mit der beliebten Hauptmodell GB300.
Bei dem gleichen DeepSeek-V4-Pro-Test hat der Durchsatz von GB300 pro Megawatt bereits das 15-fache des Werts von H200 erreicht.
Aber Vera Rubin hat auf der Basis von GB300 erneut um das 30-fache zugelegt und die gesamte Pareto-Kurve weiter nach oben verschoben!
Was bedeutet das?
Für „KI-Fabriken“, die durch die Stromversorgung eingeschränkt sind, erweitert dies direkt die Grenzen der physikalischen Gesetze.
Bei gleichem Strombudget kann Vera Rubin das 30-fache an Agenten-Aufgaben erledigen.
Für Rechenzentren im Megawatt- oder sogar Gigawatt-Bereich bedeutet dies, dass das 30-fache an Rechenressourcen aus dem Nichts geschaffen wird.
Darüber hinaus kann die NVIDIA DSX MaxLPS-Technologie das Energiemanagement auf GPU-, Schrank- und Arbeitslastebene durchführen, sodass bis zu 40 % mehr GPUs innerhalb des gleichen Megawatt-Budgets konfiguriert werden können, was den Durchsatz der KI-Fabrik pro Megawatt weiter steigert!
Die Token-Kosten sind um das 35-fache gesunken! Die „Buchführung“ der Agenten-Branche wird vollständig neu geschrieben
Der Durchsatz pro Megawatt wirkt sich direkt auf die Kosten jedes generierten Tokens aus. Der sprunghafte Anstieg der Leistung führt direkt zu einer Explosion der Geschäftsmodelle.
Nvidia hat angekündigt, dass die Kosten für die Erzeugung von einer Million Token mit Vera Rubin NVL72 im Vergleich zu GB300 NVL72 um bis zum 35-fachen gesunken sind!
Wenn die Inferenzkosten um das 35-fache einbrechen, werden digitale Mitarbeiter, die 24 Stunden am Tag ohne Unterbrechung arbeiten, Realität, und Super-Apps für Endverbraucher werden einen großen Boom erleben.
Jensen Huang hat damit direkt die Tür zur Ära der Agenten-Anwendungen aufgestoßen.
Extrem kooperatives Design: Wie hat Jensen Huang das geschafft?
Sie fragen sich vielleicht: Warum kann die Geschwindigkeit um das 30-fache steigen? Liegt es an der Fertigungstechnik einzelner Chips?
Offensichtlich nicht.
Die erstaunliche Leistungssteigerung von Vera Rubin NVL72 beruht auf „extrem kooperativem Design“.
Zum Beispiel getrennte Dienste, verteilter KV-Cache, KV-bewusstes Routing, MegaMoE und so weiter.
Darüber hinaus komprimiert die NVFP4-Quantisierung die Modellgewichte direkt auf eine Genauigkeit von 4 Bit, reduziert den Speicherbedarf erheblich, ohne die Ausgabequalität zu beeinträchtigen, und lässt den Durchsatz sprunghaft ansteigen.
Die sechste Generation von NVLink und das Large-MoE-Modell bieten ein Verbindungsnetz, das 10-mal schneller ist als handelsübliches Ethernet und eine 3-fach niedrigere Latenz aufweist. Dadurch können große Modelle wie DeepSeek mit MoE-Architektur zwischen 72 GPUs problemlos auf verschiedene „Experten“-Teilnetzwerke zugreifen.
Das ist längst nicht mehr nur der Verkauf von Grafikkarten – Jensen Huang verkauft ein komplettes „KI-Kraftwerk“.