A NVIDIA recentemente consolidou sua posição de liderança ao se destacar no MLPerf Inference v6.0, uma das principais suítes de benchmark da indústria de inteligência artificial. Com uma combinação poderosa de eficiência e performance, a empresa mostrou que está à frente de seus concorrentes, estabelecendo um novo padrão para o desempenho em ambientes de IA.
Os resultados divulgados revelam que os sistemas baseados na arquitetura Blackwell Ultra não apenas alcançaram o maior throughput de inferência, mas também apresentaram o menor custo por token entre todos os concorrentes. Essa conquista é mais que um número; é um reflexo de um esforço estratégico em co-design extremo que integra chips, software e infraestrutura.
Desempenho Dispara com Otimizações de Software
Um dos pontos mais impressionantes dos resultados do MLPerf é o impacto positivo das otimizações de software. A NVIDIA obteve um aumento surpreendente de até 2,7 vezes no throughput de tokens por GPU em seus testes com o modelo DeepSeek-R1, utilizando o mesmo hardware que foi lançado apenas alguns meses atrás.
Isso representa um aumento significativo que pode resultar em custos operacionais mais baixos e uma capacidade maior de atendimento em ambientes de inteligência artificial em larga escala. As melhorias foram atribuídas a otimizações em kernels, balanceamento de carga e novas técnicas de paralelismo, como Multi-Token Prediction e Wide Expert Parallel.
Blackwell Ultra Amplia Vantagem Sobre Concorrentes
Com esses números impressionantes, a NVIDIA mantém uma boa distância em relação aos seus concorrentes. Desde 2018, a empresa acumulou nove vezes mais vitórias em benchmarks MLPerf do que todos os seus rivais juntos. Essa liderança não se limita apenas ao treinamento, mas também se estende à inferência de modelos de IA.
A configuração de 288 GPUs Blackwell Ultra demonstrou a capacidade de processar cerca de 2,5 milhões de tokens por segundo, colocando a NVIDIA em um patamar diferenciado para operações massivas de IA. Essa capacidade não se limita apenas à performance; ela é crucial para empresas que estão se adaptando às exigências crescentes do mercado de IA.
Novos Testes Ampliam Escopo do MLPerf
A versão 6.0 do MLPerf não apenas reafirma a liderança da NVIDIA, mas também incorpora novos modelos e cenários que refletem as demandas atuais do mercado. Agora, o benchmark inclui sistemas de raciocínio como MoE, modelos multimodais, geração de vídeo e recomendações avançadas.
Entre os benchmarks adicionados estão:
- Modelos como DeepSeek-R1 e GPT-OSS-120B, focados em raciocínio
- Arquiteturas multimodais como Qwen3-VL
- Modelos de geração de vídeo, como WAN 2.2
- Sistemas de recomendação com base em transformadores, como o DLRMv3
A ampliação dos testes aproxima as métricas da realidade, permitindo que empresas que operam com IA em produção se beneficiem da precisão dos resultados.
Ecossistema Impulsiona Resultados em Larga Escala
A colaboração com parceiros de renome também é um aspecto fundamental para o sucesso da NVIDIA. Nessa rodada de testes, 14 empresas, incluindo Google Cloud, Dell, Lenovo, HPE e ASUS, usaram a plataforma NVIDIA para otimizar seus desempenhos.
Essa interconexão não apenas melhora o desempenho, mas também ajuda a criar soluções mais adaptáveis e eficazes para diferentes cenários de workload, elevando significativamente o throughput em sistemas distribuídos.
O que Está Por Trás da Corrida por Tokens
A crescente ênfase em métricas como tokens por segundo e custo por token ilustra uma mudança crítica na indústria. Com modelos de IA se tornando cada vez mais robustos e aplicações mais exigentes, a eficiência operacional passou a ser tão importante quanto o desempenho puro. Essa nova abordagem é fundamental em um cenário onde empresas que operam “fábricas de IA” precisam manter um equilíbrio entre velocidade e custo total de propriedade.
Leia também:
- Oracle demite mais de 10 mil funcionários para investir em IA
- Robô humanóide aprende expressões faciais assistindo a vídeos no YouTube
- TeraFab: novo projeto de Elon Musk promete superar todas as fábricas de chips do mundo
Benchmark Como Estratégia de Mercado
Os resultados do MLPerf estão moldando decisões de investimento, influenciando escolhas de infraestrutura e a direção do desenvolvimento de novos modelos. A NVIDIA, com sua abordagem integrada, busca não apenas dominar o espaço do hardware para IA, mas também estabelecer um controle sobre cada parte da pilha tecnológica, desde chips até softwares.
Além disso, a empresa já está desenvolvendo o MLPerf Endpoints, que visa medir o desempenho em cenários reais de API e serviços, o que pode ser um divisor de águas para a avaliação de performance em IA nos anos futuros.
Num cenário em que cada token processado representa tanto custo quanto receita, a forma como avaliaremos a performance em inteligência artificial está prestes a mudar drasticamente. Como você acredita que isso afetará a competitividade no setor de tecnologia?
Fonte(s): NVIDIA
