GB300
NVIDIA推出的面向高性能计算的硬件平台产品，需要高精度自动化测试与组装流程
时间轴 (近 90 天)
据X上的帖子称，一个GB300机架就足以承载OpenRouter上DSV4.1 Flash的全部流量。
GB300以整机架为交付单位，面向大规模训练与高吞吐推理场景。
SGLang承认此前将GB300实测与DeepInfer的B300数据并列的比较方式不公平，重新测试后称性能已追平DeepInfer基准，4张GB300配置下解码吞吐提升7.4%。
Latent Space AI新闻摘要汇总的LoRA+GRPO配方：用verl训练、vLLM做rollout，在16台GB300上跑150步，把AIME-2024 mean@8从0.56提升到0.85。
vLLM 对 NVIDIA Vera Rubin NVL72 提供 day-0 支持，报告相对 GB200 NVL72 每 GPU 7.8 倍吞吐（AgentX）和相对 GB300 的 3.7 倍 VLM 吞吐（MLPerf v6.1），配有面向 MoE 路由调优的 locality domains。
Beam的强化学习阶段使用1500块GB300连跑四周，生成超过一亿条rollout，最长上下文到256K
GB300测试托盘的自动化组装属于高精度、小批量场景，批量不足以摊薄纯定制自动化成本，精度要求超出传统示教编程能力边界
NVIDIA发表了一篇题为《制造机器的机器》（The Machines that Make the Machines）的工程实践记录，讲述如何教机器人组装GB300测试托盘
GB300是NVIDIA面向高性能计算的硬件产品
Jalapeño额定功耗700W，实测持续功耗未超过550W；对照GB200额定1200W，GB300额定1400W
还有 4 条时间轴事件
全部知识事实 (12)
在 DeepSeek R1 670B（MXFP4 精度）测试中，Jalapeño 每瓦吞吐约 1.7 倍（19,641 对 GB300 的 11,781），端到端延迟从 5.99 秒降到 1.65 秒
60%待验证据X上的帖子称，一个GB300机架就足以承载OpenRouter上DSV4.1 Flash的全部流量。
50%待验证GB300以整机架为交付单位，面向大规模训练与高吞吐推理场景。
50%待验证SGLang承认此前将GB300实测与DeepInfer的B300数据并列的比较方式不公平，重新测试后称性能已追平DeepInfer基准，4张GB300配置下解码吞吐提升7.4%。
50%待验证Latent Space AI新闻摘要汇总的LoRA+GRPO配方：用verl训练、vLLM做rollout，在16台GB300上跑150步，把AIME-2024 mean@8从0.56提升到0.85。
50%待验证Beam的强化学习阶段使用1500块GB300连跑四周，生成超过一亿条rollout，最长上下文到256K
50%待验证GB300测试托盘的自动化组装属于高精度、小批量场景，批量不足以摊薄纯定制自动化成本，精度要求超出传统示教编程能力边界
50%待验证NVIDIA发表了一篇题为《制造机器的机器》（The Machines that Make the Machines）的工程实践记录，讲述如何教机器人组装GB300测试托盘
50%待验证GB300是NVIDIA面向高性能计算的硬件产品
50%待验证Jalapeño额定功耗700W，实测持续功耗未超过550W；对照GB200额定1200W，GB300额定1400W
50%待验证OpenAI双机架系统总功耗约160千瓦，基本相当于一个双框GB300机架的功耗水平
50%待验证GB300是NVIDIA基于Blackwell架构的数据中心GPU
50%