CoreWeave Alimenta Primeiro Rack Vera Rubin; Custo de Inferência Por Token Reduz 10x vs. Blackwell no Rollout Q3
A CoreWeave completou a primeira traz de produção do sistema Vera Rubin NVL72 em 1 de junho de 2026, marcando o primeiro despliegue validado da indústria da plataforma de escala de rack de próxima geração da NVIDIA. O sistema agora está executando trabalhos de computação em tempo real. Vera Rubin oferece 3,6 EFLOPS de performance de inferência NVFP4 por rack (5x Blackwell) e custo por token 10x menor, com reclamações variando de redução de 70–90% de custo de token para modelos de 70B+ parâmetros em alta concorrência. A plataforma combina 72 GPUs Rubin (336B transistores cada, 50 PFLOPS FP4 por GPU) e 36 CPUs Vera com núlcleos ARM Olympus customizados para cargas de trabalho agentic de baixa latência. Disponibilidade Q3 2026 é confirmada com AWS, Google Cloud, Microsoft Azure e OCI.
A eficiência de token 10x vem de hardware co-desenhado: 22 TB/s de largura de banda de memória por GPU (vs. 8 TB/s em Blackwell), NVLink 6 fornecendo 260 TB/s de largura de banda em escala de rack, e Ethernet Spectrum-X habilitada para fotônica. Para ganhos específicos de carga de trabalho: modelos de 7B–13B são limitados por largura de banda de memória, rendendo 2–3x throughput por dólar; modelos de 405B+ executando FP4 são limitados por computação, alcançando ganhos próximos a 10x. Preço de nuvem inicial esperado em premium de 30–50% sobre Blackwell, mas econômicas de ponto de equilíbrio favorem implantações de inferência em larga escala. Rubin Ultra (144 GPUs, 15 EFLOPS) almeja Q3 2027.
Para ops e times de infraestrutura, isto marca a inflexão de econômica vinculada a treinamento para economia vinculada a inferência. Na escala da CoreWeave e com Microsoft/Mistral ancoram capacidade europeia, racks Vera Rubin serão alocados através de 2027. Acesso prático para a maioria dos times chega em 2027; foco de curto prazo imediato deve ser contratos de capacidade de reserva Blackwell ou preço spot. O preço premium reflete tant a escassez quanto o ganho de eficiência real—valide suas suposições de token-por-megawatt contra benchmarks Rubin antes de corte 2H2026.