業界公開 2026-09-25· 約8分

NVIDIAの次世代ラック「Vera Rubin NVL72」がMLPerf Inference v6.1に初登場──Qwen3-VLでGB300 NVL72の最大3.7倍、DeepSeek-R1で最大2.5倍（プレビュー提出）。GB300は4ラック288GPUで99%のスケーリング効率、ソフトウェア改善だけでv6.0比最大1.6倍。エージェント向け指標では30倍という自社測定も

MLCommonsが2026年9月16日に公開したMLPerf Inference v6.1で、NVIDIAは次世代のVera Rubin NVL72をプレビュー区分で初めて提出し、Qwen3-VLで現行のGB300 NVL72に対し最大3.7倍（vLLM＋Dynamo）、DeepSeek-R1で最大2.5倍（TensorRT-LLM）のスループットを出した。GB300 NVL72は1ラック72GPUから4ラック288GPUへ広げて99%のスケーリング効率、WAN 2.2の動画生成では単一ノード比9倍。ソフトウェア改善だけでGB300のQwen3-VLがv6.0比最大1.6倍。要因はNVFP4精度、prefillとdecodeを分けた分離サービング、第6世代NVLink。SemiAnalysisのAgentXではGB300比30倍（自社測定）、MLPerfはエージェント向け「MLPerf Endpoints」を追加予定。Jetson AGX ThorはEdge-Agentic（Qwen3.6-27B）に提出、パートナー19社（富士通・Dell・HPEなど）が参加。

執筆・編集：AI時短ラボ

数字の一覧（NVIDIAの記事の記載）
読み方
筆者が確かめた点
書かれていないこと
出典はNVIDIAのブログ
関連記事

2026年9月18日・日本時間時点の情報です。 NVIDIAのブログ（9月16日）を読んだ。MLPerf Inference v6.1（業界団体MLCommonsの推論ベンチマーク）の結果発表に合わせた記事で、次世代ラックの「初めての数字」が載っている。当サイトでVera Rubinに触れたのはSpaceXAIがVera CPUを採用の文脈だけだったので、性能の話として整理する。OpenAIの自社チップJalapeñoの最初の結果と並べて読める。

3行まとめ

Vera Rubin NVL72の初提出（プレビュー区分）。 最も重い2つのベンチマークで、Qwen3-VLで現行GB300 NVL72の最大3.7倍（オフライン・サーバー・インタラクティブの各シナリオ。vLLM＋オープンソースのDynamo）、DeepSeek-R1で最大2.5倍（TensorRT-LLM）のスループット。要因としてNVIDIAは、強化されたTensor CoreとTransformer Engine（prefillとdecodeの両方を加速）、NVFP4精度（重み・注意・KVキャッシュのメモリを削減）、prefillとdecodeを分ける分離サービングと大規模なエキスパート並列、第6世代NVLink／NVLink Switch（市販Ethernet比でパケットレート10倍・遅延3分の1）を挙げる。Nebiusもプレビュー結果を提出。

GB300 NVL72のスケーリングとソフトウェア改善。 DeepSeek-R1を1ラック72GPU→4ラック288GPUに広げてオフラインで99%のスケーリング効率（ほぼ比例）。WAN 2.2のテキストから動画では720p動画を毎秒0.65本・1本5.7秒で、単一ノード比9倍のスループット・7.5倍低い遅延。ソフトウェアだけでQwen3-VLがv6.0比最大1.6倍（KVキャッシュの低精度化、カーネル融合、より良いカーネル、vLLMとDynamoの分離サービング）。提出後もGPT-OSS-120BとDLRMv3で改善（MLCommons未検証）。

エージェント向けの指標と裾野。 SemiAnalysisのAgentXでは、Vera Rubin NVL72がGB300 NVL72の30倍（プレビュー・NVIDIAの測定）。MLPerfは今後、多段階のエージェント推論を測るMLPerf Endpointsを追加予定。エッジではJetson AGX Thorが新設のEdge-Agentic（Qwen3.6-27B）に提出。パートナー19社（うち8社が複数ノードのBlackwell NVL72）＝ASUS・Azure・Cisco・CoreWeave・Crusoe・Dell・富士通・Giga Computing・HPE・Inventec・Lambda・MiTAC・Nebius・Oracle Cloud・Quanta・Red Hat・ScitiX・Supermicro・Wiwynn。

数字の一覧（NVIDIAの記事の記載）

項目	値	注記
Vera Rubin NVL72 vs GB300 NVL72（Qwen3-VL）	最大3.7倍	プレビュー。vLLM＋Dynamo。MLPerf v6.1 Closed、エントリ6.1-0106／0074
同（DeepSeek-R1）	最大2.5倍	TensorRT-LLM
GB300 NVL72のスケーリング効率（DeepSeek-R1、72→288GPU）	99%	オフライン。エントリ6.1-0073／0074
GB300 NVL72のWAN 2.2（動画）	毎秒0.65本・1本5.7秒	単一ノード比9倍・遅延7.5分の1
GB300のソフト改善（Qwen3-VL、v6.0→v6.1）	最大1.6倍
AgentX（SemiAnalysis）	30倍	プレビュー・NVIDIA測定。MLPerf外

読み方

「同じ計算量で何トークン出るか」が売上に直結する、というのが記事の前提で、3.7倍・2.5倍は「1ラックあたりのトークン数と収益」の話として書かれている。当サイトがコンテキスト窓とRAMの式で見たKVキャッシュのメモリが、NVFP4で圧縮される点が性能の一因
ベンチマークのモデルがDeepSeek-R1とQwen3-VLである点は、中国AIモデルまとめの文脈で見ると、業界標準の推論指標が中国発のオープンウェイトで測られている、ということになる
30倍のAgentXはMLPerfの検証を経ていないNVIDIAの測定値で、記事も「プレビューテスト」と書く。MLPerf Endpointsが出てからが比較可能な数字になる
国内でGPUを借りる側の動きはNTTドコモビジネスのGPUaaSに

筆者が確かめた点

この記事の下調べで、筆者は9月18日にNVIDIAのブログを取得し、倍率・スケーリング効率・エントリ番号・パートナー19社の記述がその原文にあることを確認した。MLCommonsの結果表そのもの（mlcommons.org）は本記事では参照しておらず、他社（AMD・Google TPUなど）の提出との比較は書いていない。