MLCommons Releases MLPerf Training v6.0 Results
MLPerf v6.0新增稀疏计算基准,推动AI系统多样性,DeepSeek V3参数达6710亿。
入选理由:DeepSeek V3使用6710亿参数,激活370亿参数/令牌,验证大规模稀疏训练系统。
公司
发布MLPerf基准的非营利组织。
已跟踪 5 条高相关材料
最近变化
2026-07-22 · 联邦学习使AI模型在数据方本地运行,避免患者数据泄露
为什么值得关注
MLCommons 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
MedPerf Meets Google Cloud Confidential Computing: Secure AI Benchmarking for Brain Tumor Research
MLCommons · 8.5 分
MLCommons与Google Cloud合作,利用Confidential Computing技术实现安全的医疗AI基准测试,保护患者数据和模型IP,推动脑肿瘤分割模型的可信评估。
Call for Submission: Edge Agentic Inference Benchmark for MLPerf Inference v6.1
MLCommons · 8.5 分
MLCommons推出MLPerf Inference v6.1边缘代理推理基准,使用Qwen3.6-27B量化模型评估边缘设备多轮对话性能。
Agentic Inference for MLPerf Inference
MLCommons · 8.5 分
MLPerf新增多轮代理推理基准,通过Kimi和Qwen模型评估LLM服务系统在上下文增长、KV缓存复用等场景下的性能。
已收录 5 条与 MLCommons 相关的内容,按评分排序。
MLPerf v6.0新增稀疏计算基准,推动AI系统多样性,DeepSeek V3参数达6710亿。
入选理由:DeepSeek V3使用6710亿参数,激活370亿参数/令牌,验证大规模稀疏训练系统。
MLPerf Tiny基准测试为超低功耗AI设备提供统一评估标准,推动边缘AI在工业、农业等场景的落地。
入选理由:MLPerf Tiny通过统一工作负载和测量方法解决设备差异问题
MLPerf新增多轮代理推理基准,通过Kimi和Qwen模型评估LLM服务系统在上下文增长、KV缓存复用等场景下的性能。
入选理由:代理推理基准需支持上下文增长和KV缓存复用优化
MLCommons推出MLPerf Inference v6.1边缘代理推理基准,使用Qwen3.6-27B量化模型评估边缘设备多轮对话性能。
入选理由:Qwen3.6-27B模型采用Q4_K_M GGUF量化格式部署
MLCommons与Google Cloud合作,利用Confidential Computing技术实现安全的医疗AI基准测试,保护患者数据和模型IP,推动脑肿瘤分割模型的可信评估。
入选理由:联邦学习使AI模型在数据方本地运行,避免患者数据泄露