In den Nachrichten
Setting a World Record for MoE Pre-Training on NVIDIA GB300 NVL72
NVIDIA Developer · Veröffentlicht am · 3 Min. Lesezeit
In 30 Sekunden
- Was passiert ist
- NVIDIA GB300 NVL72 achieved 1,648 TFLOPs per GPU pre-training DeepSeek-V3 671B, a world record for mixture-of-experts model training.
- Warum es zählt
- Matters for engineers scaling large language models who need to understand communication bottlenecks and co-designed hardware-software performance gains.
- Achtung
- Results use optimized software stacks; real-world performance depends on framework choice, model architecture, and whether your workload matches DeepSeek-V3 characteristics.
Diese Zusammenfassung anhören
Den vollständigen Artikel lesen
- token
- mixture of experts
- deepseek
The Agent Architect
Ein Pattern, ein Tradeoff, eine Produktionspanne. Ein kurzes wöchentliches Briefing für alle, die agentische Systeme bauen.
Wöchentliche E-Mail, Abmeldung mit einem Klick. Ihre Adresse wird nur für das Briefing verwendet.