CoreWeave запустил NVIDIA Vera Rubin в облаке для agentic AI

Что объявили и кто уже работает на новой платформе

CoreWeave представил в облаке серийные системы NVIDIA Vera Rubin NVL72 и заявил о предстоящем предложении процессора NVIDIA Vera, ориентированного на агентные рабочие нагрузки. Новая конфигурация идёт в связке с сетью Spectrum‑X 102.4T и решением безопасности и ускорения BlueField‑4 DPU. На раннем этапе одну из первых производственных нагрузок на Vera Rubin запустила компания Cognition, которая использует платформу для обучения, RL‑экспериментов и развернутого инференса своего агента Devin.

Параллельно CoreWeave анонсировал CoreWeave Forge — объединённую среду для обучения, оценки и улучшения моделей и агентов. Forge объединяет интеграции вроде Weights & Biases, инструменты OpenPipe и проект marimo, а также новые сервисы CoreWeave ARIA, Agent Lens и Sandboxes. Часть функциональности уже доступна, часть идёт через ранний доступ или частные превью.

Практическая польза для команд, работающих с агентами

Для команд, которые строят агентные рабочие нагрузки, ключевые показатели — это пропускная способность токенов, задержки при многопоточном инференсе и способность быстро запускать множество изолированных сред для тестирования. По результатам тестов Cognition, Vera Rubin NVL72 обеспечила до 4,8× прироста суммарной пропускной способности токенов на задачах SWE‑2 по сравнению с базовым GB200 NVL72. Для Devin это означает быстрее генерируемый код и более отзывчивую многопошаговую логику агентов.

Вычислительная платформа CoreWeave на базе Vera CPU проектируется иначе: один стеллаж может содержать 128 процессоров и 11 264 ядра, что даёт возможность запустить более 11 000 изолированных сред по одной виртуальной среде на ядро. В тестировании CoreWeave зафиксировал более чем 3× ускорение запуска agentic sandboxes на Vera CPU и 1,7× выигрыш на Terminal‑Bench по всем пройденным задачам.

Кроме того, серверные опции Forge включают серверлесс‑супервизируемую дообучаемость и серверлесс RL: последняя, по данным CoreWeave, тренирует на 1,4× быстрее при 40% меньших затратах по сравнению с самостоятельным управлением кластером.

Эти результаты дают практическую выгоду: команды получают возможность запускать больше параллельных экспериментов, быстрее получать обратную связь от продакшн‑поведений агентов и снижать общую стоимость итераций, если инфраструктура и рабочие процессы использованы системно.

Как CoreWeave связывает продакшн с циклом обучения

Ключевая идея анонса — «замкнутый цикл» между продакшном и тренировкой. Forge агрегирует данные продакшн‑поведения агентов, хранит эксперименты и предлагает инструменты для анализа и автоматизации экспериментальных шагов. CoreWeave ARIA помогает анализировать прогоновые результаты, предлагать эксперименты и вносить изменения в код, сохраняя правки в GitHub. Agent Lens превращает продакшн‑трейсы агентов в измеримую телеметрию: по заявлению в релизе, он повышает обнаружение ошибок на 20% и снижает затраты на починку вдвое.

Инфраструктурно CoreWeave интегрировал возможности через Kubernetes‑сервис и набор управляемых сервисов (SUNK, Mission Control, Sandboxes, Inference). Благодаря дизайну с DPU и высокоскоростной сетевой связью платформа позволяет одновременно держать обучение и изолированные выполнения инструментов агентов на одном пуле ресурсов, уменьшая потери сигнала между стадиями разработки и эксплуатации.

Для инференса и роллаутов CoreWeave использует открытое решение NVIDIA Dynamo; в приватном превью доступен механизм RL Rollouts, который подгружает новые контрольные точки в живой деплоймент без перезапусков, что позволяет продолжать обучение без простоев продакшна.

Практический контекст: кто и зачем выберет такую связку

Организации, которые зависят от агентов с длинными контекстами и высоким уровнем параллелизма — например, агентные системы для разработки кода, клинической документации или интеграции бизнес‑процессов — получат прямую выгоду от увеличенной пропускной способности и сокращённого времени запуска изолированных сред. В релизе упоминаются примеры компаний, уже использующих Forge: Canva, Capital One и MasterClass; в медицине приводится кейс сервиса Ennoble Care, который выбрал CoreWeave для клинического инферинса.

В тех сценариях, где стоимость на токен и скорость отклика критичны для пользовательского опыта, перенос части рабочих процессов на узко оптимизированный стек (NVL72, Spectrum‑X, BlueField‑4) позволяет ускорить доставку функциональности и итерации моделей. Одновременно интегрированные инструменты наблюдаемости и управления экспериментами делают цикл улучшения моделей короче.

Ограничения и области, требующие внимания

Часть заявленных возможностей доступна через ранний доступ или приватные превью; Vera CPU ещё предлагается как предстоящее предложение, а некоторые функции Forge только что перешли в GA. Результаты по производительности приведены на конкретных рабочих нагрузках: пример с 4,8× — это сравнительный бенчмарк на выборке задач FrontierCode и наинфицированного рабочего процесса Devin; ускорения по sandboxes и Terminal‑Bench — в тестовой среде CoreWeave. Это означает, что реальные выигрыши зависят от характера вашей рабочей нагрузки, набора задач и сценариев запуска.

Также часть преимуществ достигается за счёт тесной ко‑инжиниринговой работы между CoreWeave и NVIDIA и наличия интеграций на уровне стека: чтобы повторить заявления, командам придётся использовать соответствующие сервисы и конфигурации CoreWeave. Наконец, некоторые инструменты, как RL Rollouts, находятся в частном превью, что ограничивает немедленную доступность для широкого круга пользователей.