公司
非营利组织，开发MLPerf基准体系
最近变化
2026-10-15 · MLPerf Agents将测量成功任务的能耗和成本，验证标准源自MLCommons风险工作组
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。
MLCommons Selected as Benchmarking Team for U.S. National Science Foundation–Backed AI Efficiency Challenge to Build MLPerf Agents
MLCommons · 8.5 分
MLCommons Joins EU-Funded AIRIS Project to Build and Benchmark Next-Generation Biomedical AI
MLCommons · 8.5 分
Where the Industry Is Investing: A Look at MLPerf Inference v6.1
MLCommons · 8.5 分
已收录 14 篇与「MLCommons」相关的 AI 资讯和分析。
MLCommons将开发MLPerf Agents基准，衡量代理AI系统全流程效率，覆盖工具调用、上下文管理和验证环节。
入选理由：MLPerf Agents将测量成功任务的能耗和成本，验证标准源自MLCommons风险工作组
MLPerf Inference v6.1引入端到端RAG和边缘代理推理测试，性能较去年提升5.7倍，推动AI部署标准化。
入选理由：MLPerf v6.1新增End-to-End RAG和Edge Agentic Inference测试，覆盖复杂AI部署场景。
MLPerf Inference v6.1显示行业正转向端到端和智能体基准，30家提交者带来120个系统，新硬件显著提升性能。
入选理由：MLPerf v6.1有30家提交者和120个系统，创历史新高
MLCommons参与欧盟资助的AIRIS项目，开发下一代生物医学AI平台并建立评估框架。
入选理由：AIRIS项目获欧盟1690万欧元资助，联合21国机构开发机制知情AI平台
MLPerf Storage v3.0新增KV Cache和Vector Database测试，并支持S3访问层，提升AI存储性能评估。
入选理由：v3.0新增KV Cache测试，用于评估LLM推理缓存性能
MLPerf Client v2.0新增图像生成和智能代理AI基准，提升PC端AI性能评估。
入选理由：新增图像生成基准采用Flux.2 klein 4B实验模型
通过设计保密性实现可信AI评估，首次双盲评估确保模型和数据安全。
入选理由：双盲评估结合加密计算可防止模型权重和测试数据泄露
企业应通过五个关键问题评估基准测试的可信度，以避免被误导。MLCommons提出基准测试需满足目标相关性、数据清洁性、可重复性等要求。
入选理由：基准测试的失效常见于数据污染，如系统在训练中接触过测试数据。
MLPerf Endpoints v0.7发布，提供动态、全面的AI推理基准，支持企业采购决策。
入选理由：MLPerf Endpoints v0.7支持自动化提交和实时结果可视化
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
与「MLCommons」经常一起出现的 AI 术语。
💡 想追踪「MLCommons」的长期趋势？去 实体雷达 · MLCommons 查看详细分析和跨材料问答。
