AI-cloudbedrijf PaleBlueDot haalt strenge NVIDIA-prestatiekeurmerk voor GPU-cluster

Grote AI-modellen trainen vraagt om duizenden krachtige chips die naadloos samenwerken. In de praktijk halen datacenters lang niet altijd het maximale uit die hardware: trage netwerkverbindingen, oververhitting of slecht ingerichte software kunnen de prestaties flink drukken. Om kopers een objectieve maatstaf te geven, introduceerde NVIDIA in 2025 het keurmerk Exemplar Cloud. Cloudproviders die hiervoor slagen, tonen met gestandaardiseerde tests aan dat hun GPU-cluster minimaal 95 procent van de referentieprestatie van NVIDIA haalt.

98 procent op zes zware trainingstaken

PaleBlueDot AI liet zijn cluster, gebouwd op het NVIDIA HGX B300-platform, testen op zes veelgebruikte AI-modellen: DeepSeek-V3, GPT-OSS, Nemotron-H, Qwen3 en twee varianten van Llama 3.1. Dat zijn modellen met sterk uiteenlopende groottes en technische opzet, van middelgroot tot extreem groot. Bij elke test kwam het cluster boven de 98 procent van de benchmark-prestatie uit die NVIDIA als referentie hanteert. Volgens het bedrijf bewijst dat resultaat dat de sterke prestaties geen toevalstreffer zijn, maar een structurele eigenschap van de infrastructuur, ongeacht welk model of welke rekenprecisie wordt gebruikt.

Snelle chips, snel netwerk, snelle opslag

De prestaties staan of vallen met de samenhang tussen verschillende onderdelen. Elke rekennode van het cluster bevat acht Blackwell Ultra-GPU's van NVIDIA, onderling gekoppeld via een supersnelle chipverbinding. Voor de communicatie tussen de nodes gebruikt PaleBlueDot AI een InfiniBand-netwerk van het type Quantum-X800, dat 800 gigabit per seconde per GPU aankan en zogeheten 'non-blocking' is: er ontstaan geen opstoppingen, ook niet wanneer duizenden chips tegelijk data uitwisselen. Dat is cruciaal, want bij het trainen van grote modellen moeten GPU's voortdurend tussenresultaten met elkaar delen. Daarnaast beschikt elke node over 63,36 terabyte aan lokale flashopslag, waarmee trainingsdata en tussentijdse back-ups (checkpoints) snel kunnen worden weggeschreven en ingeladen.

Getest op duurzaamheid, niet alleen op snelheid

Naast de officiële NVIDIA-test voerde PaleBlueDot AI ook een eigen stresstest uit: een week lang liet het bedrijf het cluster continu op volle belasting draaien, om te simuleren hoe bedrijven in de praktijk wekenlang achtereen trainingstaken uitvoeren. Rekenkracht, netwerk, opslag en taakverdeling werden daarbij allemaal getest op stabiliteit. Het bedrijf zegt daarnaast te werken met meerdere kwaliteitscontroles, van het testen van losse onderdelen tot langdurige clustertests, om storingen tijdens productiedraaiingen te voorkomen. Voor bedrijven en onderzoeksinstellingen die AI-modellen trainen, is dat soort betrouwbaarheid net zo belangrijk als pure rekensnelheid: een cluster dat halverwege een trainingsrun van weken uitvalt, kost al snel enorme bedragen aan verloren rekentijd.

Met deze certificering profileert PaleBlueDot AI zich als een van de aanbieders die aantoonbaar het maximale uit NVIDIA's nieuwste chipgeneratie haalt, in een markt waar de vraag naar betrouwbare AI-rekenkracht sneller groeit dan het aanbod.