A NVIDIA divulgou seus primeiros benchmarks com o AgentPerf usando o DeepSeek V4 Pro na plataforma GB300 NVL72. O modelo representa a classe Frontier usada para alimentar agentes de IA, amplamente adotados no setor.<\/p>\n
Na primeira rodada, o GB300 atingiu desempenho mais r\u00e1pido, registrando vantagem de at\u00e9 20x por megawatt em rela\u00e7\u00e3o \u00e0 gera\u00e7\u00e3o HGX H200. O GB300 sustenta at\u00e9 60.000 agentes simult\u00e2neos por MW, um salto em rela\u00e7\u00e3o ao Hopper.<\/p>\n
Na compara\u00e7\u00e3o direta, o GB300 NVL72 conseguiu 61,4 mil agentes por MW, contra 2,6 mil do H200. Em termos de agentes simult\u00e2neos por GPU, foram 57,5 para o GB300 frente a 1,4 para o H200. Esses n\u00fameros destacam efici\u00eancia energ\u00e9tica e de hardware.<\/p>\n
A NVIDIA afirma que o desempenho demonstra a capacidade do GB300 NVL72 e do Blackwell de executar cargas de trabalho de codifica\u00e7\u00e3o de agentes em larga escala, mantendo GPUs totalmente utilizadas em sess\u00f5es de agentes simult\u00e2neas.<\/p>\n
O estudo aponta ainda que o Rubin da NVIDIA deve ser lan\u00e7ado e promete ampliar vantagens com uma arquitetura de IA superpotente, oferecendo 50 PFLOPs de computa\u00e7\u00e3o do NVFP4. A empresa n\u00e3o detalha datas de lan\u00e7amento.<\/p>\n
A parceria com a CPU Vera deve trazer ganhos de desempenho e efici\u00eancia para chamadas de ferramenta LLM e solu\u00e7\u00e3o de ponta a ponta, segundo a fabricante. As informa\u00e7\u00f5es s\u00e3o apresentadas com base nos benchmarks e comunicados oficiais.<\/p>\n
O material inclui a descri\u00e7\u00e3o do AA-AgentPerf, um novo benchmark da Artificial Analysis que mede quantos agentes ativos uma infer\u00eancia pode suportar sob cargas realistas, com foco em produ\u00e7\u00e3o.<\/p>\n
O AA-AgentPerf avalia tr\u00eas m\u00e9tricas-chave: TTFT, velocidade de sa\u00edda e taxa de transfer\u00eancia de sa\u00edda do sistema, al\u00e9m de considerar trajet\u00f3rias reais de agentes, carga concorrente sustentada e n\u00edveis de SLO de mercado.<\/p>\n
A metodologia envolve atualiza\u00e7\u00f5es cont\u00ednuas conforme novos hardwares, stacks de software e vers\u00f5es de modelos ficam dispon\u00edveis, com resultados refletindo servi\u00e7os de API serverless e condi\u00e7\u00f5es de produ\u00e7\u00e3o.<\/p>\n
Fontes: NVIDIA e Artificial Analysis, que destacam a aplica\u00e7\u00e3o do AgentPerf e as m\u00e9tricas de desempenho para IA agentic, com refer\u00eancia a benchmarks relevantes.<\/p>\n","protected":false},"excerpt":{"rendered":"