2026. augusztus 25., kedd · Üzlet

NVIDIA: a Vera Rubin akár 30-szor hatékonyabb agentikus AI-feladatokban

Az NVIDIA szerint előzetes tesztek alapján az új Vera Rubin NVL72 rendszer megawattonként akár 30-szor nagyobb AI-factory áteresztőképességet ér el, mint a jelenlegi GB300 NVL72. Az eredmények a SemiAnalysis AgentX nevű, nyílt forráskódú benchmarkjából származnak, amely valós kódoló-ügynökök munkameneteit játssza le, figyelembe véve a hosszú kontextusú előfeldolgozást és a KV-cache újrahasznosítást. A cég szerint a GB300 NVL72 nagy, kevert szakértős (MoE) modelleknél, például a Kimi K3 2.8T-nél, azonos interaktivitás mellett nagyjából 80-szoros megawattonkénti áteresztőképességet mutatott a H200 NVL8-hoz képest. Fontos hangsúlyozni, hogy ezek NVIDIA saját, előzetes (preview) mérései, nem független validált eredmények.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A hír azért lényeges, mert az NVIDIA saját mérései alapján számszerűsíti, mennyivel hatékonyabbá válhat az energiaigényes agentikus AI-infrastruktúra a következő chipgenerációval.

Források

NVIDIA Technical Blog Hivatalos

Kapcsolódó témák

Napi összefoglalók AI üzlet #NVIDIA Vera Rubin#AgentX benchmark

Napi összefoglaló

Ez a hír a 2026. augusztus 25., kedd napi AI összefoglaló része.

Helyesbítés · 2026. október 2., péntek

Helyesbítés (2026-10-02): az összefoglaló „akár 80-szoros hatékonyságnövekedést” írt; a forrás szerint nagyjából 80-szoros megawattonkénti áteresztőképességről van szó, azonos interaktivitási szint mellett.

Kapcsolódó hírek

OpenAI modellek érkeznek a Google Cloudra és az Antigravity-be

Az OpenAI hivatalos közleménye szerint a vállalat legújabb frontier modelljei és Codex-munkafolyamatai hamarosan elérhetők lesznek a Google Cloud Model Gardenjében, a Google Cloud Marketplace-en keresztül. A The Decoder szerint három modell – Astra, Sol és Luna – indul privát előzetes (private preview) formában kiválasztott vállalati ügyfeleknek, és megjelennek a Gemini for Business szolgáltatásban, valamint a Google Antigravity kódolóeszközében is; a lap szerint ezzel a Google Cloud az egyetlen nagy felhőszolgáltató, amely egyszerre kínálja a Gemini, a Claude és az OpenAI modelljeit. A modellek elnevezése a forrásokban eltér: az Ars Technica mindhárom modellt egységesen 'GPT 6.1'-ként (Astra, Sol, Luna) jelöli, míg a The Decoder vegyesen 'GPT-6 Astra', 'GPT-6.1 Sol' és 'GPT-6 Luna' megnevezést használ, ami arra utal, hogy a pontos verziójelölés a cikkek megjelenésekor még nem volt egységes. A Decoder szerint a Google felhőüzletága és saját Gemini-csapata közötti erőforrás-versengés állítólag hozzájárult ahhoz, hogy Noam Shazeer kutató visszatért az OpenAI-hoz.

OpenAI felvásárolta az Orchestra Bio nevű biotech-startupot

A TechCrunch beszámolója szerint az OpenAI kedden felvásárolta a négyéves Orchestra Bio nevű AI-biotech szoftvercéget, a tranzakció részleteit nem hozták nyilvánosságra. A lap szerint a startup 2025-ig mintegy 20 millió dollárnyi tőkét gyűjtött olyan befektetőktől, mint az Andreessen Horowitz, az Atria és a 8VC. Az Orchestra olyan AI-ügynököket fejleszt, amelyek a gyógyszerfejlesztési cégek napi működését segítik, a pénzügyi nyomon követéstől a klinikai vizsgálatok ütemezési problémáinak megoldásáig. Az OpenAI közlése szerint az Orchestra csapatát és technológiáját a Rosalind nevű élettudományi kutatási AI-modelljéhez és az ahhoz kapcsolódó Rosalind Workbench eszközhöz csatolják, amelynek ügyfelei között a vállalat a Modernát és a Novo Nordiskot is megnevezte. A TechCrunch értelmezése szerint ez azt a tendenciát mutatja, hogy a nagy AI-laborok, köztük az OpenAI és az Anthropic, egyre több szoftvert építenek a nagyipari szektorok, például a gyógyszeripar számára, miközben a startupvilágban tartós félelem él attól, hogy a laborok inkább beolvasztják, mint versenytársként legyőzik a kisebb szereplőket.

Nvidia konténeres AI-adatközpontja napok alatt üzembe állítható

Az Nvidia a berlini GTC-n bemutatta a DSX POD referenciatervet, amely a Vera Rubin platformra épülő, gyárilag előre összeszerelt és letesztelt konténerekbe integrálja a számítási, hálózati, tárolási, áramellátási és folyadékhűtési infrastruktúrát. A vállalat szerint partnerei – köztük a Dell, a HPE, a Lenovo és a Schneider Electric – a gyárban végzik el az összeszerelést és a validálást, a helyszínen már csak az áram-, hűtés- és hálózati csatlakozásokra van szükség. A The Decoder beszámolója szerint ez a megközelítés a jelenlegi mintegy hat hónapos kiépítési időt akár 14 napra csökkentheti. Az Nvidia azt is állítja, hogy a tágabb DSX platform zárt hűtőköre akár 100 százalékkal kevesebb hűtővizet igényelhet, bár szélsőséges hőségben extra hűtés is szükséges lehet. Az első egységek 2027 elején kerülnek világszerte szállításra.

Mistral és NVIDIA mérnöki AI-együttműködést jelentett be

A Mistral AI bejelentette, hogy az NVIDIA-val együttműködve AI-natív mérnöki munkafolyamatokat fejleszt, amely a Mistral Large 4 nyelvi modellt és a vállalat fizikai AI-képességeit az NVIDIA CUDA-X és Warp könyvtáraival, valamint az Omniverse 3D-szimulációs platformjával kapcsolja össze. A cég szerint a cél a tervezés, a szimuláció és az AI-tréning egyetlen zárt hurkú munkafolyamatba fűzése olyan iparágakban, mint a légiközlekedés, az autóipar és a félvezetőgyártás. A két vállalat emellett nyilvános benchmarkokat és nyílt adatkészleteket ígér a fizikai modellek, valamint a mérnöki szoftverekkel dolgozó AI-ágensek értékeléséhez. A The Decoder szerint a Mistral Large 4 mintegy egybillió paraméterrel rendelkezik, és 3800 Grace Blackwell GPU-n tanították Európában, nyílt súlyozású modellként pedig október végén jelenik meg. A lap azt is írja, hogy a Mistral korábban már közösen fejlesztette a Mistral NeMo modellt az NVIDIA-val.