Google Cloud publicó este lunes, 16 de noviembre de 2026, diez resultados en la ronda MLPerf Training v6.1, el benchmark de entrenamiento de IA organizado por MLCommons. Las pruebas abarcan los TPU Ironwood, de séptima generación, y las GPU NVIDIA Grace Blackwell, e incluyen el primer benchmark de aprendizaje por refuerzo (RL) agéntico en la historia de MLPerf.
Preentrenamiento en 1,70 minutos con 8.192 chips
En la prueba de preentrenamiento, 8.192 TPU Ironwood alcanzaron la calidad objetivo del modelo de referencia en 1,70 minutos, con el modelo DeepSeek-V3. Según Google, el sistema mantuvo una eficiencia de escalado del 96% hasta 4.096 chips: casi toda la potencia adicional se convirtió en velocidad real, en lugar de perderse en la comunicación entre chips.
Primer benchmark de RL agéntico de MLPerf
La ronda v6.1 estrenó una prueba inédita: el postentrenamiento a gran escala con GRPO sobre el modelo Qwen3.5-397B, que mide cuánto puede mejorar un sistema a un agente de programación. Con 640 TPU Ironwood, Google alcanzó la precisión objetivo del benchmark de código en 18,02 minutos, con una puntuación de 0,765 frente a la meta de 0,69. En esta prueba, la generación de código y el aprendizaje ocurren al mismo tiempo, y los chips de entrenamiento permanecieron inactivos menos del 3% del tiempo.
Grace Blackwell y el debut de Rubin en la ronda
Los resultados de Google también incluyen las GPU NVIDIA Grace Blackwell en Google Cloud: 256 GPU GB300 en instancias A4X Max completaron el preentrenamiento en 31,96 minutos, y hubo cinco envíos más de A4X y A4X Max en la prueba de RL agéntico. La ronda fue la mayor jamás registrada por MLCommons — 153 sistemas, 250 resultados y 24 organizaciones, con el sistema más grande usando 10.240 aceleradores — y marcó la primera participación de las GPU NVIDIA de la generación Rubin y del TPUv7 (Ironwood) de Google. NVIDIA presentó la GPU Rubin HPC en la SC26; lea la cobertura de Geekiki en NVIDIA en la SC26: Rubin HPC, rack Vera con 192 CPU y Nemotron for Science.
Qué muestran los números, y qué no muestran
Los tiempos son resultados enviados por Google a la ronda de MLCommons, en la división cerrada, con revisión entre los participantes: no son mediciones independientes de terceros, y Google no divulgó consumo de energía, costo ni precio. El valor práctico está en la escala y la eficiencia: Ironwood, el hardware detrás del entrenamiento y la operación de los modelos Gemini, aparece por primera vez con cifras públicas en MLPerf, y la nueva prueba de RL agéntico mide algo que los benchmarks tradicionales no medían: la capacidad de entrenar agentes que escriben y mejoran código, no solo de procesar más datos.
Imagen: foto de los chips Ironwood. Crédito: Google (blog oficial de Google Cloud).
Fuentes: Google Cloud Blog — Google TPU and GPU performance: MLPerf v6.1 results (16/11/2026); MLCommons — MLPerf Training v6.1 Results: Record Participation (16/11/2026).
Este artículo fue producido con ayuda de inteligencia artificial, con cruce de publicaciones públicas en X y de fuentes de internet. Consulte las fuentes originales para confirmar la información.
Por Muse