En 30 segundos
NVIDIA comunica la disponibilidad de Vera Rubin en CoreWeave y el uso por Cognition. Las cifras de rendimiento proceden de pruebas de las empresas.
Qué ha pasado
NVIDIA publicó el 30 de septiembre que CoreWeave ofrece sistemas Vera Rubin NVL72. El anuncio identifica a Cognition como primer cliente con trabajo en producción y presenta Forge, un entorno para entrenar y mejorar modelos y agentes.
Por qué importa
Los agentes necesitan capacidad de cálculo tanto para responder como para ejecutar tareas. Su paso a producción permite observar algo que una demostración no resuelve: cómo se comporta el sistema con trabajo continuado y usuarios reales.
A quién afecta
Empresas que entrenan modelos o ejecutan agentes a gran escala y proveedores de infraestructura.
De la disponibilidad del hardware al uso en producción
CoreWeave anunció sistemas NVIDIA Vera Rubin NVL72 en su nube durante Fully Connected, según la publicación de NVIDIA del 30 de septiembre. Cognition, la empresa de Devin, figura como primer cliente con cargas de producción. El anuncio sitúa la nueva infraestructura dentro de una relación de ingeniería que también incluye redes y software.
Para interpretar la noticia conviene distinguir disponibilidad de capacidad para clientes de una sustitución general del parque anterior. NVIDIA señala que sistemas de generaciones anteriores siguen atendiendo cargas. El nuevo hardware amplía las opciones, pero no convierte automáticamente una aplicación existente en otra más rápida o económica.
Una comparación ligada a una carga concreta
Cognition comparó Vera Rubin NVL72 con una base GB200 NVL72 utilizando tareas de ingeniería de software y agentes. En las primeras pruebas comunicó hasta 4,8 veces más rendimiento total en tokens para inferencia de SWE-2. La cifra describe esa evaluación; no es una multiplicación garantizada de velocidad para cualquier modelo o solicitud.
Servir muchos tokens y terminar bien una tarea son medidas relacionadas, pero diferentes. El tiempo de espera también depende del contexto, la concurrencia y las herramientas que llama el agente. Para un cliente empresarial, trasladar el resultado a su caso exige conocer la configuración y medir su propia carga. Esta lectura evita convertir un máximo de ensayo en una expectativa universal.
El entrenamiento y la ejecución forman un ciclo
Además de Rubin, CoreWeave anuncia que ofrecerá la CPU NVIDIA Vera para entornos de agentes. La publicación relaciona esa capacidad con muchos espacios aislados donde ejecutar herramientas, evaluaciones y aprendizaje por refuerzo. La disponibilidad anunciada de Rubin y la incorporación futura de Vera CPU deben leerse por separado.
CoreWeave Forge reúne herramientas para entrenar, evaluar y mejorar modelos y agentes. El planteamiento es utilizar señales de producción para orientar la siguiente iteración. El contexto de la noticia, por tanto, va más allá del chip: las empresas necesitan coordinar cálculo, observación de fallos y actualización del sistema que presta servicio.
Qué cambia para empresas y equipos técnicos
Una organización que ya ejecuta agentes puede valorar si necesita mayor capacidad de inferencia, mejores entornos aislados o un proceso de mejora más integrado. Son necesidades distintas y no siempre exigen adoptar toda la plataforma. El anuncio permite identificar opciones; no resuelve por sí solo el diseño de una arquitectura.
La comparación práctica debe incluir el coste de completar una tarea válida, la latencia y los fallos, además del volumen de tokens. También importa comprobar cómo se observan las acciones y cómo se conserva el aislamiento de los entornos. Son criterios de evaluación derivados de las cargas descritas, no prestaciones adicionales acreditadas para todos los contratos de CoreWeave.
Qué falta por confirmar
El rendimiento fuera de las pruebas comunicadas necesita mediciones independientes y comparables. Quedan por concretar para cada cliente la capacidad accesible, las regiones, los plazos de contratación y el coste final de su carga. Las cifras de rendimiento no permiten deducir un ahorro universal ni garantizan mejoras equivalentes en modelos con comportamientos distintos.
La infraestructura tendrá que demostrar su valor por tarea
El primer uso en producción aporta una referencia más concreta que una presentación de especificaciones. Ahora el reto es comprobar qué parte de esa capacidad se traduce en trabajo útil y sostenido. La decisión empresarial dependerá de resultados reproducibles en su propia operación, con costes y condiciones de acceso conocidos.
Fuentes y procedencia
- Vera Rubin y CoreWeave · NVIDIA · Publicado 30/9/2026
