El 24 de agosto, NVIDIA publicó un primer conjunto de datos de pruebas del Vera Rubin NVL72: en cargas de trabajo de tipo agéntico, el rendimiento por megavatio alcanza 30 veces el de la generación anterior, el GB300 NVL72, mientras que el coste por token cae a aproximadamente una treintaicincoava parte. Junto a los datos aparece una aclaración: los resultados todavía están pendientes de revisión por parte de SemiAnalysis.
Las pruebas se ejecutaron con la carga AgentX de SemiAnalysis, construida a partir de trayectorias reales de programación agéntica y no de solicitudes sintéticas de laboratorio. Se usaron cinco modelos para las pruebas: Kimi K3, MiniMax M3, GLM5.3, Qwen3.5 y DeepSeek V4 Pro, todos con pesos abiertos, cuatro de ellos desarrollados por equipos chinos. Esta lista ya dice algo por sí sola: para medir si un nuevo rack de inferencia es bueno, NVIDIA eligió como referencia los modelos de código abierto que los desarrolladores realmente están usando.
Por qué la métrica es «por megavatio»
Las comparaciones tradicionales entre generaciones solían usar el rendimiento máximo o el rendimiento por tarjeta. Esta vez NVIDIA cambió el denominador por la electricidad.
La razón está en la estructura de la carga de trabajo. Según datos de OpenRouter, una solicitud agéntica consume 15 veces más tokens que una solicitud de chat normal: un agente tiene que consultar bases de datos, buscar información, invocar subagentes, y arrastrar un contexto cada vez más largo a lo largo de varias rondas de inferencia. Cuando el consumo de tokens de una sola tarea se dispara un orden de magnitud, lo que suele frenar la escalabilidad es la cantidad de megavatios que puede suministrar la subestación eléctrica, más que el número de GPU.
La referencia entre generaciones que da NVIDIA es la siguiente: el rendimiento por megavatio del GB300 NVL72 con DeepSeek V4 Pro ya era 15 veces mayor que el de la arquitectura Hopper. Vera Rubin multiplica esa cifra una vez más.
Desglosado, el factor de 30 no viene de un solo elemento. La tecnología de alimentación y refrigeración DSX MaxLPS permite desplegar un 40% más de GPU dentro del mismo presupuesto de megavatios, lo que reduce el denominador de partida; NVLink 6 eleva la tasa de paquetes a 10 veces la de las soluciones Ethernet existentes y reduce la latencia a un tercio; por encima de eso hay todo un conjunto de optimizaciones de hardware y software: servicio desagregado, caché KV distribuida y paralelismo de expertos. Cada una de estas medidas aporta su propio multiplicador, y solo al sumarlas se llega a la cifra final.
Un cálculo aproximado
Hagamos un cálculo aproximado, según las cifras oficiales, de qué magnitud representa este factor en la práctica.
Supongamos un clúster de inferencia de 100 megavatios, con un precio eléctrico estimado de 0,5 yuanes por kilovatio-hora; funcionando a plena carga durante un año, la factura eléctrica rondaría los 440 millones de yuanes. Si el rendimiento por megavatio realmente se multiplica por 30, esa misma factura eléctrica compraría 30 veces más producción de tokens; visto al revés, para producir la misma cantidad de tokens, el gasto eléctrico podría reducirse a una treintava parte del actual. En cuanto a la reducción de 35 veces en el coste por token, es ligeramente superior al aumento de 30 veces en el rendimiento, y la diferencia proviene de la mejora en la eficiencia energética del propio rack, algo distinto de un aumento en la producción total.
Este tipo de cálculo aproximado tiene distorsiones evidentes: un centro de datos real no funciona a plena carga todo el año, y factores como el PUE, las tasas de inactividad y la combinación de varios modelos tienden a rebajar la cifra. Pero al menos explica por qué NVIDIA coloca esta métrica en primer plano. Para los operadores de centros de datos que ya tienen asignada su cuota eléctrica pero siguen esperando en cola nueva capacidad de subestación, la producción por megavatio se acerca más al concepto de «capacidad productiva» que el cómputo total.
Lo que conviene recordar antes de la revisión
Por ahora, estas cifras son pruebas propias del fabricante. La revisión de SemiAnalysis todavía no está lista, y la propia NVIDIA las etiqueta como mediciones preliminares.
También hay que tener claras las condiciones. El factor de 30 corresponde a trayectorias de programación agéntica, un escenario de contexto largo y alta densidad de tokens que encaja justo en el punto fuerte de la arquitectura de Vera Rubin; en chats cortos, generación de imágenes o embeddings por lotes, el factor no sería el mismo. La brecha entre los anuncios de una nueva generación y lo que finalmente se entrega es una vieja norma de esta industria, como ya ocurrió en el salto de Hopper a Blackwell.
“Agentic AI workloads consume 15x more tokens than a simple chat request.”
Las cargas de trabajo de IA agéntica consumen 15 veces más tokens que una simple solicitud de chat.
Si se amplía un poco la perspectiva temporal, el panorama queda más claro: Dell ya está anunciando precios de inferencia basados en servidores Vera Rubin, y SpaceX planea enviar el próximo año racks NVL72 al espacio para probar cómputo de IA en órbita. El hardware todavía no se ha desplegado a gran escala, pero ya se han hecho varias rondas de cálculos en torno a él. Lo que realmente permitirá confirmar el factor de 30 serán las cifras que obtenga cada operador en sus propios centros de datos, una vez llegue la revisión independiente.
Fuentes: blog técnico oficial de NVIDIA, documentación del benchmark AgentX de SemiAnalysis, CocoLoop, estadísticas de uso de OpenRouter; el factor de rendimiento por megavatio, la reducción del coste por token y el aumento del 40% en la densidad de despliegue de GPU se han verificado según las cifras oficiales, mientras que el cálculo del coste eléctrico es una estimación aproximada de la redacción.