Inhoudsopgave
Belangrijkste punten
- Vera richt zich op agentische AI-workloads in datacenters.
- De geheugenbandbreedte loopt op tot 1,2 TB/s, met tot 1,8 TB/s tussen sockets.
- SPEC CPU 2026-scores zijn schattingen, geen ingediende resultaten.
- AMD en Intel behouden voordelen bij meerdere serverworkloads.
Een datacenter-CPU gebouwd voor agentische AI
Nvidia positioneert Vera specifiek voor agentische AI-datacenterworkloads. De sterkste benchmarkgebieden – Python-uitvoering en geheugendoorvoer – sluiten aan bij softwareorkestratie, datapreparatie en grootschalige gegevensverwerking in die workflows.
Python vormt de basis van agentische frameworks zoals LangGraph, CrewAI en AutoGen. Vera voerde de PyBench-tests aan, vóór de EPYC 9755, die op zijn beurt beter presteerde dan Intels Xeons en AMD’s grotere EPYC 9965.
De vergelijkingen gebruikten twee-socketplatforms met elk 1,5 TB geheugen: een Nvidia MGX Vera-referentiesysteem met Samsung LPDDR5-9600 ECC SOCAMM2, een Supermicro Xeon 6980P-systeem met Micron DDR5-8800 ECC MRDIMM, en een AMD Volcano-platform met SK hynix DDR5-6000 ECC RDIMM.
Prestaties van Nvidia’s Vera-CPU: bandbreedte en SPEC-resultaten
Vera’s geheugeninterface ondersteunt tot 1,2 TB/s via LPDDR5X, naast tot 1,8 TB/s tussen sockets. STREAM- en MBW-tests toonden een hoge doorvoer, hoewel CacheBench Vera achter concurrenten plaatste in de gecombineerde read/modify/write-test.
In SPEC CPU 2026 integer-throughputtests eindigde Vera 1,5% voor op het EPYC 9755-systeem, vergeleken met het voordeel van 3% in Nvidia’s whitepaper. De vergelijking zette Vera’s 352 threads tegenover 512 threads op het AMD-systeem, waarbij Vera een bijzonder sterk voordeel per core liet zien.
Intels Xeon 6980P won 10% toen hij opnieuw werd getest met oneAPI-geoptimaliseerde binaries. Vera, met gebruik van generieke GCC, eindigde in die vergelijking nog steeds 8,6% voor.
Deze SPEC-resultaten zijn schattingen, niet gerapporteerd aan SPEC. De tests volgden standaardprocedures en gebruikten overeenkomstige compilers en flags voor de eerste vergelijkingen. Vera lag ook in veel floatingpointtests voor, maar niet bij elke workload.
HPC en databases blinken uit; Java en crypto wisselend
Vera voerde benchmarks voor discrete Fouriertransformatie, Octave en CloverLeaf aan, terwijl databasetests eveneens sterke punten lieten zien. Het eindigde in de middenmoot bij m-queens en achter processors met grotere core-arrays in Primesieve.
In SQLite leidde Vera de 64-thread- en 128-thread-tests; alleen een single-socket Xeon 6980P versloeg hem bij maximale threads. De ClickHouse-doorvoer kwam bij latere runs dicht in de buurt van die van een dual EPYC 9755-systeem, terwijl Vera’s eerste cold-cache-run bijna 40% sneller was. Het bleef ook competitief in simdjson-parsing.
Java SciMark liet solide resultaten zien in FFT’s, vermenigvuldiging van ijle matrices en Monte Carlo-simulaties, maar zwakkere prestaties bij dichte LU-decompositie en Jacobi SOR. DaCapo- en Renaissance-resultaten waren concurrerend, waarbij AMD en Intel in specifieke workloads hun voordelen behielden.
Vera bleef achter in sommige OpenSSL-tests en bij het kraken van wachtwoorden met John the Ripper. Een dual Xeon 6980P-systeem versloeg hem ook in zowel 7-Zip-compressie als -decompressie.
Bij compilatie ontstond een scherpe tweedeling: Vera rondde een GCC-build ongeveer 12% sneller af dan dual EPYC 9755-processors, maar eindigde als laatste bij LLVM-compilatie met zowel Makefiles als Ninja. Deze tests maten het bouwen van de compilers zelf.
Renderwinsten gelden niet voor elke workload
Encoding- en renderresultaten waren gemengd en onderstrepen Vera’s positie als geloofwaardige datacenterconcurrent in plaats van een algehele vervanger voor x86-processors. De Python-, bandbreedte- en HPC-resultaten vormen het sterkste bewijs voor die uitdaging.
De EPYC 9755 voerde AV1-encoding aan, terwijl Vera concurrerend bleef. Vera presteerde ook goed in x265 zonder de 9755 consequent te verslaan. Bij rendering stond het bovenaan bij OSPRay realtime path-tracing, maar bleef het achter op de leidende concurrenten in sommige wetenschappelijke visualisatietests.
Artikel geproduceerd met hulp van kunstmatige intelligentie en beoordeeld door de redacteuren.




