NVIDIAがVera Rubin NVL72のプレビュー結果を発表。Qwen3-VLのスループットがGB300 NVL72比で最大3.7倍となった条件、技術背景、限界を解説します。
2026年9月16日に何が発表されたのか
NVIDIAは2026年9月16日、次世代AIシステム「Vera Rubin NVL72」による初のMLPerf Inference v6.1プレビュー提出結果を公表しました。同日、ベンチマーク運営団体のMLCommonsも公式結果を公開し、Vera Rubin NVL72を「Preview」区分のプラットフォームとして掲載しました。将来の発表予告ではなく、9月16日に公開された測定結果です。NVIDIAの発表、MLCommonsの公式発表
NVIDIAによると、前世代のGB300 NVL72と比べ、視覚と言語を扱うQwen3-VLではスループットが最大3.7倍、推論モデルDeepSeek-R1では最大2.5倍でした。対象はMLPerf Inference v6.1のClosed Divisionで、比較対象の提出IDとして6.1-0106と6.1-0074が示されています。ただし、いずれも指定条件における最大値です。全用途や全シナリオで一律に同じ倍率になるという発表ではありません。NVIDIAの結果説明
「最大3.7倍」は応答速度の3.7倍ではない
重要な技術用語がスループットです。これは一定時間に処理できる仕事量を表し、道路なら「1時間に何台の車を通せるか」に近い指標です。AI推論では、多数の問い合わせや生成トークンをシステム全体でどれだけ処理できるかを見るために使われます。スループットが3.7倍でも、一人の利用者が回答を受け取るまでの時間、つまり個々の応答遅延が必ず3.7分の1になるわけではありません。
MLPerf Inferenceは、学習済みAIモデルに入力を与えて結果を生成する「推論」の性能を共通ルールで測るベンチマークです。データセンター向けには、大量の仕事をまとめて処理するOffline、継続的に届く要求を扱うServer、より厳しい応答時間を想定するInteractiveなどがあります。今回の最大3.7倍は、Qwen3-VLのこれらの対象シナリオを通じた最大倍率であり、すべてのシナリオが3.7倍だったという意味ではありません。MLPerf Inference提出ガイド、NVIDIAの発表
Closed Divisionは、同じモデルと参照設定を用いて比較可能性を高める区分です。自由な条件のテストより比較しやすい一方、結果は指定されたモデル、精度、ソフトウェア、システム構成に限られます。価格、消費電力、導入の難しさ、あらゆる実サービスの性能を一つの数字で評価するものではありません。MLCommons公式ガイド
なぜ半導体1個ではなくラック全体で比べるのか
Vera Rubin NVL72は、72基のRubin GPUをNVLink Switchで密接につないだラック規模のシステムです。NVIDIAの技術ページでは、第6世代NVLinkについてGPU当たり3TB/s、NVL72全体で216TB/sの通信帯域が示されています。ただし、同ページはこれらを暫定仕様としており、量産製品の最終確定値ではありません。NVIDIAのNVLink技術ページ
NVLinkとは、複数のGPUがデータを高速に受け渡すための相互接続技術です。たとえるなら、GPU同士を結ぶ幅広い専用高速道路です。巨大なAIモデルを多数のGPUへ分散すると、各GPUの計算が速くても、途中のデータ交換が混雑すればシステム全体が待たされます。そのため、AI向け半導体の実力は演算器だけでなく、メモリー容量、メモリー帯域、GPU間通信にも左右されます。
文章生成の処理は、大きくprefillとdecodeに分けられます。prefillは入力された文章や画像をまとめて読み取る段階、decodeは回答のトークンを一つずつ生成する段階です。前者は大量の入力を並列に計算する能力、後者はメモリーからデータを繰り返し読み出しながら低遅延で処理する能力が重要になり、ボトルネックが異なります。両者を別のGPU群へ割り振る方法は、ラック全体を効率よく使うための工夫です。
NVIDIAは性能向上の要因として、Tensor CoreとTransformer Engine、低精度形式NVFP4、prefillとdecodeの分離、expert parallelism、第6世代NVLinkなどを挙げています。Mixture-of-Experts型モデルで使われるexpert parallelismは、入力ごとに選ばれた専門ネットワークの処理を複数GPUへ分散する方法です。ただし、公開資料だけでは各技術が3.7倍または2.5倍のうち何割に寄与したかを切り分けられません。Rubin GPUの技術解説、NVIDIAの結果説明
今回の結果が重要な理由
AI推論の競争では、半導体1個の最大演算性能だけでなく、大規模モデルを同時に何人へ提供できるかが重要です。今回の結果は、NVIDIAがGPU、メモリー、GPU間接続、低精度計算、推論ソフトウェアをラック単位で組み合わせていることを示す材料です。対象に視覚言語モデルQwen3-VLと計算量の大きいDeepSeek-R1が含まれる点も、今後の生成AIシステムで通信とメモリーが重要になることを映しています。NVIDIAの発表
一方、これはRubin GPU単体とGB300 GPU単体の比較ではありません。Qwen3-VLの提出にはvLLMとNVIDIA Dynamo、DeepSeek-R1にはTensorRT-LLMが使われました。性能差は、半導体、NVLink、メモリー、数値精度、分散方法、推論ソフトウェアを含むシステム全体の結果です。NVIDIAの提出構成説明
NVIDIAは、高いスループットがより多くの利用者への提供やトークン単価の低下につながると説明しています。しかし、これは会社側の見通しであり、独立した経済性の証明ではありません。実際の費用は装置価格、電力、冷却、ネットワーク、ソフトウェア、稼働率、サービス料金によって変わります。また、MLCommonsが確認しているのはv6.1の結果、提出区分、参加プラットフォームなどであり、GB300 NVL72比の最大3.7倍・2.5倍という個別比較の整理はNVIDIAの発表に基づきます。MLCommonsの公式発表、NVIDIAの発表
推論ベンチマークから、比較表とIT技能へ
推論のベンチマークを読むときは、モデル、精度、負荷、システム構成、公開区分をそろえます。最大値だけを使わず、比較条件を出典付きの表にしましょう。表計算やプログラミングの一般技能を補う講座と、その表を説明スライドへ整える道具を目的別に比較できます。まず無料の資料と手元の環境で整理し、困った操作が決まってから学習を選びます。自宅PCの演習とラック規模の性能評価は条件が異なります。
Previewの意味と今後の注目点
最大の注意点は、Vera Rubin NVL72が「Available」ではなくPreview区分であることです。MLCommonsの公式ガイドでは、Previewは次回の提出ラウンドまでに利用可能になることが期待されるシステムの区分です。今回の提出は将来提供予定の構成による成果であり、現時点で一般購入できる量産システムの実運用性能が確認済みという意味ではありません。量産出荷時期、価格、クラウドでの提供日、導入コストも今回の資料からは確定できません。MLCommonsの結果発表、Preview区分の公式説明
今後は、Available区分での正式な提出、シナリオ別の全数値、応答遅延、消費電力、最終的なシステム仕様を確認する必要があります。前世代とのハードウェアおよびソフトウェア構成差をそろえた検証や、実サービスに近い負荷での費用対効果も焦点です。今回の正確な要約は、「NVIDIAがPreviewシステムの比較で、Qwen3-VLのスループットはGB300 NVL72比で最大3.7倍、DeepSeek-R1は最大2.5倍だったと発表した」です。「すべてのAI処理や応答速度が3.7倍になった」とは言えません。
理解した内容から、次の学習と比較へ
モデル・負荷・構成をそろえた性能比較表を、対象・条件・出典の三つで整理しましょう。関連する基礎記事、学習の入口、PCの要件を目的別に確認すると、無料で試せる範囲と有料の選択肢を分けて検討できます。
参照資料
次に読む
このニュースの背景となる演算半導体の基礎を、基礎から確認できます。
無料・登録不要関わる職種を知る — 仕事内容から、この分野と仕事の接点を探せます。
