NVIDIA представила процессор Vera для агентных задач искусственного интеллекта
NVIDIA представила процессор Vera CPU, специально созданный для агентного ИИ и задач обучения с подкреплением. По данным NVIDIA, он обеспечивает результаты с производительностью на 50% выше и вдвое большей эффективностью по сравнению с традиционными процессорами для стоечных систем.
Технические характеристики
Процессор Vera CPU оснащён 88 пользовательскими ядрами Olympus собственной разработки NVIDIA, каждое из которых способно выполнять две задачи с использованием технологии NVIDIA Spatial Multithreading. Он включает в себя высокопроизводительную подсистему памяти на основе LPDDR5X и использует масштабируемую когерентную структуру NVIDIA второго поколения для более быстрых агентных ответов в условиях высокой нагрузки.
Конфигурации систем
- Новая стойка с процессорами Vera CPU объединяет 256 жидкостных процессоров Vera CPU
- Поддерживает более 22 500 параллельных сред CPU, работающих независимо на полной производительности
- Создана с использованием модульной эталонной архитектуры NVIDIA MGX
- Является частью платформы NVIDIA Vera Rubin NVL72 с графическими процессорами NVIDIA, соединёнными через интерконнект NVIDIA NVLink-C2C
- Обеспечивает 1,8 ТБ/с когерентной пропускной способности (в 7 раз больше пропускной способности PCIe Gen 6)
- Также служит хост-процессором для систем NVIDIA HGX Rubin NVL8
- Системы интегрируют карты NVIDIA ConnectX SuperNIC и процессоры данных NVIDIA BlueField-4 DPU
Внедрение и партнёры
Клиенты, сотрудничающие с NVIDIA для внедрения процессора Vera CPU, включают Alibaba, ByteDance, Meta, Oracle Cloud Infrastructure, CoreWeave, Lambda, Nebius и Nscale. Партнёры по производству включают Dell Technologies, HPE, Lenovo, Supermicro, ASUS, Compal, Foxconn, GIGABYTE, Pegatron, Quanta Cloud Technology (QCT), Wistron и Wiwynn.
Целевые задачи
Системы Vera предназначены для обучения с подкреплением, агентного вывода, обработки данных, оркестрации, управления хранением, облачных приложений и высокопроизводительных вычислений. Партнёры по системам предоставляют как двухсокетные, так и односокетные конфигурации серверов с процессорами CPU.
По словам Дженсена Хуанга, генерального директора NVIDIA: «Процессор больше не просто поддерживает модель; он управляет ею. Благодаря прорывной производительности и энергоэффективности, Vera открывает возможности для ИИ-систем, которые думают быстрее и масштабируются дальше.»
📖 Read the full source: HN AI Agents
👀 Смотрите также
Понимание взвешивания директив в LLM: почему Claude иногда игнорирует команды
Исследование на Reddit показывает, как Claude может игнорировать явные инструкции, такие как «не сопоставляй по шаблону», при генерации обзоров кода, демонстрируя, что директивы для больших языковых моделей являются взвешенным контекстом, а не ограничениями.
Нормализация отклонений в ИИ: почему ваша агентная система потерпит неудачу
Индустрия ИИ повторяет культурные ошибки катастрофы Challenger: ненадёжные выходные данные LLM считаются безопасными, пока ничего плохого не случилось. Реальные примеры агентов, форматирующих жёсткие диски, стирающих базы данных и создающих задачи на GitHub.
Модель MiniMax M2.7 демонстрирует высокую производительность в роли ИИ-агента для программирования.
Разработчик протестировал MiniMax M2.7 в качестве основного ИИ-агента для программирования и обнаружил, что он превзошёл GPT 5.4 и Gemini 3.1 Pro по скорости и задачам, связанным с инструментами, с результатами бенчмарков 56.22% на SWE-Pro и 57.0% на Terminal Bench 2.
Использование воды в центрах обработки данных ИИ в Калифорнии: оценки на основе физических и ИИ-моделей
Анализ California WaterBlog, использующий физику и четыре модели ИИ, оценивает потребление воды дата-центрами ИИ в Калифорнии в 2300–400 000 акро-футов в год, при реалистичном диапазоне 32 000–290 000 акро-футов в год — скромно по сравнению с сельским хозяйством.