Spanish
MLCommons ha lanzado oficialmente los resultados de MLPerf Storage v3.0. Esta importante iteración no solo actualiza las especificaciones de los benchmarks, sino que también remodela el panorama competitivo del rendimiento del almacenamiento de IA. Como el único benchmark de almacenamiento de IA auditado de la industria, v3.0 cubre por primera vez todo el pipeline del flujo de trabajo de IA, incluyendo el rendimiento de entrenamiento, el guardado de puntos de control del modelo y dos cargas de trabajo de inferencia recién añadidas: consulta de bases de datos vectoriales y procesamiento de caché KV. Un total de 19 organizaciones presentaron 143 resultados de pruebas, entre los cuales 11 son participantes por primera vez, incluyendo Microsoft Azure, NVIDIA, Everpure y una ola de proveedores emergentes de almacenamiento de IA. Notablemente, los principales proveedores de la tabla de clasificación v2.0 —DDN, Huawei, Hammerspace y Lightbits— no participaron en esta ronda.
Este benchmark actualiza los aceleradores simulados de H100 a B200, elevando el listón del rendimiento del ancho de banda por acelerador. Como resultado, los resultados de v3.0 no son comparables con los datos de v2.0. Todos los resultados listados son envíos de proveedores auditados por MLCommons, sin verificación independiente ni reevaluación por parte de StorageReview.
El guardado de puntos de control destaca con un rendimiento de vanguardia
MLCommons actualiza el guardado de puntos de control a una carga de trabajo de primera clase, ya que se ha convertido en un cuello de botella crítico para el entrenamiento de IA a escala fronteriza. Los trabajos de entrenamiento a gran escala escriben continuamente datos masivos del estado del modelo a intervalos fijos, y el vaciado prolongado de los puntos de control causa directamente inactividad del acelerador y degrada la eficiencia general del entrenamiento. Las métricas de rendimiento más altas en esta ronda se generan a partir de pruebas de guardado de puntos de control.
Everpure (anteriormente Pure Storage), un participante de MLPerf por primera vez, ofrece una escalabilidad de rendimiento casi lineal con su plataforma FlashBlade//EXA. Su ancho de banda de escritura de puntos de control alcanza los 327,6 GiB/s en 10 nodos de datos, 484,1 GiB/s en 15 nodos y 655,6 GiB/s en 20 nodos. La configuración de 30 nodos logra un rendimiento récord de escritura de 877,5 GiB/s y un rendimiento de lectura de 833,0 GiB/s. Esto marca la primera evidencia verificada y auditada de benchmark que valida las capacidades de alto rendimiento de Everpure, reclamadas durante mucho tiempo.
Otro hito de la industria proviene de Azure Managed Lustre, el primer servicio de almacenamiento en la nube a hiperescala en unirse al benchmark. Desplegado con 4.096 TiB de capacidad y 128 clientes, ofrece un rendimiento de escritura de puntos de control de 642,2 GiB/s, lo que permite que el almacenamiento nativo en la nube compita con arrays de almacenamiento de IA diseñados específicamente en rendimiento de primer nivel.
Principales envíos de guardado de puntos de control
|
Sistema
|
Ancho de banda de escritura (GiB/s)
|
|---|---|
|
Everpure FlashBlade//EXA (30 nodos de datos)
|
877.5
|
|
Azure Managed Lustre (4.096 TiB, 128 clientes)
|
642.2
|
|
YanRongTech F9000X (8 clientes)
|
313.7
|
|
Suzhou Zishan Longlin (múltiples configuraciones)
|
313.7
|
|
TuringData F9200 (8 clientes)
|
307.1
|
|
UBIX UbiPower18000 (3 nodos de almacenamiento)
|
293.8
|
La tabla de clasificación de entrenamiento está dominada por proveedores emergentes
La tabla de clasificación de la carga de trabajo de entrenamiento 3D U-Net está ocupada por nuevos participantes de la industria. El F9000X de YanRongTech encabeza la lista con un rendimiento de lectura sostenido de 543,9 GiB/s, soportando 99 aceleradores B200 simulados y asegurando el mayor rendimiento de entrenamiento en esta ronda. La startup de infraestructura de IA con sede en Singapur, TuringData, hace su debut en el benchmark con 541,5 GiB/s, impulsando 96 B200 simulados a través de solo tres nodos de almacenamiento. Su clúster F9200 de tres nodos también logra 539,9 GiB/s de lectura y 307,1 GiB/s de escritura en pruebas de guardado de puntos de control a escala 70B. El UbiPower18000 de UBIX ofrece un rendimiento de 454,1 GiB/s con tres nodos de almacenamiento equipados con unidades NVMe de 16 × 15,36 TB y red quad NDR4000. HPE es el único proveedor de almacenamiento empresarial establecido con resultados de entrenamiento válidos, obteniendo 345,8 GiB/s con su plataforma K3000.
Principales envíos de entrenamiento 3D U-Net
|
Sistema
|
Ancho de banda de lectura (GiB/s)
|
Aceleradores B200 simulados
|
|---|---|---|
|
YanRongTech F9000X
|
543.9
|
99
|
|
TuringData F9200
|
541.5
|
96
|
|
UBIX UbiPower18000
|
454.1
|
80
|
|
Suzhou Zishan Longlin
|
433.4
|
80
|
|
FarmGPU
|
406.7
|
75
|
|
Azure Managed Lustre
|
379.1
|
70
|
Cargas de trabajo de inferencia integradas oficialmente en el benchmark
Las dos cargas de trabajo de inferencia recién añadidas reflejan el rápido crecimiento de las demandas de almacenamiento de IA en el mundo real. La prueba de caché KV evalúa el rendimiento del almacenamiento para paginar estados de atención dentro y fuera de la memoria durante la inferencia LLM de contexto largo, un escenario crítico analizado en profundidad en la investigación de inferencia de contexto largo. Everpure vuelve a liderar con un rendimiento de lectura de caché KV de 1.623,4 GiB/s en un despliegue FlashBlade//EXA de 51 hosts. UBIX (443,7 GiB/s) y FarmGPU (443,6 GiB/s) lideran las presentaciones de caché KV a escala estándar. Para cargas de trabajo de bases de datos vectoriales, el sistema Seahorse de TTA logra el máximo rendimiento de consulta de 57.620 consultas por segundo.
v3.0 también añade soporte nativo para almacenamiento de objetos S3, con aproximadamente una sexta parte de todas las presentaciones aprovechando el protocolo. NVIDIA domina las entradas de almacenamiento de objetos con 20 presentaciones de AIStore en entornos OCI, AWS y GCP, alcanzando un pico de 133,3 GiB/s de rendimiento de escritura de puntos de control. Aunque por detrás de los sistemas de archivos paralelos en velocidad bruta, la adaptación exitosa del almacenamiento de objetos a las cargas de trabajo de entrenamiento y guardado de puntos de control marca un cambio importante con respecto a los benchmarks anteriores, donde los sistemas de archivos POSIX monopolizaban las cargas de trabajo de IA de alto rendimiento. Además, MLCommons introduce la eficiencia energética y la utilización del espacio en rack como métricas principales oficiales en esta ronda.
Desglose del rendimiento de Everpure FlashBlade//EXA
El FlashBlade//EXA de Everpure lidera el guardado de puntos de control para modelos de 405B y 1.25T parámetros, así como los benchmarks de recuperación de caché KV, demostrando un rendimiento sostenido excepcional para cargas de trabajo de entrenamiento e inferencia de IA intensivas en datos.
La configuración probada consta de 30 blades FlashBlade//EXA (120 módulos DirectFlash para procesamiento de metadatos) y 30 nodos de datos Linux/NVMe, ofreciendo aproximadamente 866 TB de capacidad utilizable dentro de un único sistema de archivos unificado. Los metadatos se transmiten a través de pNFS/TCP, mientras que las transferencias de datos masivas utilizan NFSv3 sobre RDMA. En la simulación de guardado de puntos de control de 1.25T parámetros con 1.024 aceleradores de cliente, la configuración de 30 nodos mantiene un ancho de banda de escritura de 877,52 GiB/s durante 17,74 segundos y un ancho de banda de lectura de 588,28 GiB/s en 28,99 segundos. En las pruebas de inferencia de caché KV, logra 85.736 tokens/seg (Llama 3.1 8B, solo almacenamiento), 67.642 tokens/seg (modelo 8B, almacenamiento + memoria del sistema) y 33.403 tokens/seg (70B, solo almacenamiento).
Implicaciones industriales de los proveedores ausentes
Los resultados del benchmark reflejan tanto las capacidades de los remitentes como las elecciones estratégicas de los proveedores ausentes. Los principales proveedores que dominan los despliegues a gran escala de neocloud y fábricas de IA —VAST Data, WEKA y DDN—, junto con los antiguos líderes de v2.0 Huawei, Hammerspace y Lightbits, optaron por no presentar envíos para v3.0. Las ausencias de proveedores suelen deberse a acuerdos de ciclos de ingeniería, plazos de lanzamiento de productos o ajustes en la estrategia de benchmarks, y no equivalen a un rendimiento inferior.
Sin embargo, esto crea una clara divergencia: la tabla de clasificación auditada del benchmark ya no se alinea con los líderes de despliegues a gran escala en el mundo real. Los compradores de la industria deben evaluar tanto los datos auditados del benchmark como los historiales de despliegue prácticos. La página actualizada de clasificación de arrays de almacenamiento empresarial de StorageReview para 2026 documenta completamente esta discrepancia con los datos completos de los resultados de v3.0.
Beijing Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Director de Estrategia Global
WhatsApp / WeChat: +86 13426366826
Correo electrónico: yangyd@qianxingdata.com
Sitio web: www.qianxingdata.com/www.storagesserver.com
Enfoque empresarial:
Distribución de productos TIC/Integración de sistemas y servicios/Soluciones de infraestructura
Con más de 20 años de experiencia en distribución de TI, nos asociamos con las principales marcas globales para ofrecer productos fiables y servicios profesionales.
“Usando la tecnología para construir un mundo inteligente”¡Su proveedor de servicios de productos TIC de confianza!
Sandy Yang/Director de Estrategia Global
WhatsApp / WeChat: +86 13426366826
Correo electrónico: yangyd@qianxingdata.com
Sitio web: www.qianxingdata.com/www.storagesserver.com
Enfoque empresarial:
Distribución de productos TIC/Integración de sistemas y servicios/Soluciones de infraestructura
Con más de 20 años de experiencia en distribución de TI, nos asociamos con las principales marcas globales para ofrecer productos fiables y servicios profesionales.
“Usando la tecnología para construir un mundo inteligente”¡Su proveedor de servicios de productos TIC de confianza!