NVIDIA Rubin ya está en producción total y los sistemas de sus partners llegan en la segunda mitad de 2026. La plataforma promete hasta 10x menos costo por token de inferencia que Blackwell.
Revisé los anuncios oficiales y los blogs técnicos para que recibas solo hechos confirmados — más qué cambian NVFP4, HBM4 y los racks NVL72 en tu trabajo diario.
1. Contexto: dónde está Rubin ahora mismo
NVIDIA presentó la plataforma Rubin en CES el 5 de enero de 2026, con seis chips nuevos diseñados como una sola supercomputadora de IA. En GTC Taipei el 31 de mayo de 2026 confirmó que Vera Rubin entra en producción total con Dell, HPE, Lenovo, Supermicro, Foxconn y Quanta entre los fabricantes, y envíos de producción desde otoño de 2026.
Estado de disponibilidad (confirmado)
Producción total desde principios de 2026. Productos de partners en H2 2026. Primeros despliegues cloud en AWS, Google Cloud, Microsoft Azure, OCI, CoreWeave, Lambda, Nebius y Nscale. Aún no hay precios oficiales por hora de GPU en la nube.
Los números por GPU salen directo del blog técnico de NVIDIA: 336 mil millones de transistores en TSMC 3nm, 224 streaming multiprocessors, 896 Tensor Cores, Transformer Engine de tercera generación con hasta 50 petaflops de inferencia NVFP4 y 288 GB de HBM4 de hasta 22 TB/s — un salto de 2.8x en ancho de banda sobre Blackwell.
El rack que importa: Vera Rubin NVL72
72 GPUs Rubin más 36 CPUs Vera en un solo rack líquido: 3.6 EFLOPS de inferencia NVFP4, 20.7 TB de HBM4, 1.6 PB/s de ancho de banda de memoria y 260 TB/s de fabric NVLink. NVIDIA afirma 4x menos GPUs para entrenar modelos MoE frente a Blackwell.
2. Cuatro implicaciones para desarrolladores
Rubin no es solo un chip más rápido — cambia cuáles cuellos de botella dominan tu factura de inferencia y entrenamiento. Estos son los cuatro cambios alrededor de los que planificaría.
El costo por token manda
Hasta 10x menos costo por token (MoE)
La afirmación estrella de NVIDIA es hasta 10x menos costo por token de inferencia frente a Blackwell, medida en workloads MoE. Empezá a medir tu serving en costo por millón de tokens ya, porque esa es la unidad a la que van a converger las facturas cloud.
La memoria deja de ser el techo
288 GB HBM4 · 22 TB/s por GPU
KV caches más grandes quedan en el paquete: contextos más largos, más concurrencia y modelos MoE multitrilión sin trucos de offload. Si mantenés código de tiering de KV-cache, conservalo — pero diseñalo para poder apagarse por despliegue.
NVFP4 es la nueva precisión default
50 PFLOPS por GPU · Transformer Engine 3ra gen
El Transformer Engine de tercera generación suma compresión adaptativa por hardware para NVFP4 con precisión a nivel Blackwell según NVIDIA. Migrá tus pipelines de cuantización y evaluación a NVFP4 temprano — el código optimizado corre también en Blackwell.
El rack es la computadora
NVLink 6 · desagregación con Dynamo
Con 3.6 TB/s all-to-all entre GPUs y desagregación prefill/decode estilo Dynamo, el serving MoE multi-GPU se vuelve mucho más eficiente. Diseñá tu serving desagregado hoy y heredás las mayores ganancias de Rubin al llegar.
Mi calibración honesta
El 10x está medido en inferencia MoE de contexto largo. Analistas independientes estiman que los modelos densos de contexto corto ven más cerca de 2–3x sobre Blackwell. Sigue siendo un salto generacional — solo presupuestá con el número conservador.
3. Qué hacer esta semana
El hardware Rubin llega en otoño de 2026, pero la preparación de software rinde en Blackwell desde hoy. Acá va un checklist concreto que terminás en unas horas.
✅ Checklist listo-para-Rubin
- 1. Medí tu workload principal de inferencia en costo por millón de tokens, no solo latencia — ese es el número que mueve Rubin.
- 2. Sumá un camino de cuantización NVFP4 a tu pipeline de evaluación (TensorRT-LLM, vLLM o SGLang) y medí la deriva de precisión con tus datos.
- 3. Separá prefill y decode en tu serving, o al menos convertí el tiering de KV-cache en un flag de config en vez de lógica hardcodeada.
- 4. Pineá tus versiones de NCCL y del framework de serving y anotá qué release suma soporte Rubin, para que el upgrade sea un cambio de una línea.
- 5. Si comprás capacidad: preferí contratos Blackwell cortos y flexibles durante 2026 — evitá atarte a largo plazo justo antes de que lleguen las instancias Rubin.
Tip: no esperes al hardware
Cada punto de arriba acelera tu inferencia Blackwell hoy y se multiplica en Rubin mañana. Los equipos que prepararon FP8 antes de Blackwell capturaron sus ganancias el día uno — con NVFP4 es la misma jugada.
4. Qué mirar (y qué ignorar)
Entre ahora y la rampa de otoño, la mayoría de los titulares sobre Rubin van a ser ruido. Así separo las señales que vale la pena seguir del hype que conviene saltear.
✅ Vale la pena seguir
- • Posts oficiales del newsroom de NVIDIA sobre envíos y disponibilidad cloud de Rubin
- • Release notes de TensorRT-LLM, vLLM, SGLang y Dynamo que mencionen Rubin o NVFP4
- • Releases de NCCL con soporte de operaciones colectivas en NVLink 6
- • Primeros benchmarks independientes de inferencia MoE en hardware Rubin
- • Anuncios de instancias Rubin y pricing por token en los cloud providers
❌ Generalmente ruido
- • Precios filtrados por hora de GPU sin un cloud provider asociado
- • Afirmaciones de “10x más rápido” sin nombrar modelo, contexto ni baseline
- • Benchmarks de modelos densos extrapolados de números de marketing MoE
- • Predicciones de specs de Rubin Ultra o Feynman antes de que Rubin salga
- • Consejos de frenar todas las compras de GPU hasta que llegue Rubin
Regla de oro
Planificá con specs confirmadas y ganancias conservadoras de 2–3x; tratá todo lo que esté por encima como upside. Si una afirmación importa, va a aparecer en un post oficial de NVIDIA o en un benchmark independiente en semanas.
Conclusión
Rubin es real, está en producción y llega este otoño: 50 PFLOPS de NVFP4 por GPU, 288 GB de HBM4 a 22 TB/s y un diseño rack-scale que baja la economía de la inferencia hasta un orden de magnitud en workloads MoE.
No necesitás el hardware todavía para beneficiarte. Medí costo por token, adoptá NVFP4 y desagregá tu serving ahora — y cuando las instancias Rubin salgan, vas a capturar las ganancias el día uno en vez de empezar una migración.
Rubin en 30 segundos
Specs confirmadas
- • 50 PFLOPS NVFP4 / GPU
- • 288 GB HBM4 · 22 TB/s
- • NVLink 6 · 3.6 TB/s
Para devs
- • Costo por token ↓ hasta 10x
- • NVFP4 precisión default
- • Serving desagregado gana
Esta semana
- • Medir $/M tokens
- • Sumar eval NVFP4
- • Contratos flexibles
Fuentes
- NVIDIA Newsroom — lanzamiento plataforma Rubin (CES, 5 ene 2026)
- NVIDIA Newsroom — Vera Rubin entra en producción total (31 may 2026)
- NVIDIA Investor — Vera Rubin abre la frontera agéntica (GTC, 16 mar 2026)
- NVIDIA Technical Blog — arquitectura GPU Rubin (21 jul 2026)
- NVIDIA Technical Blog — throughput por watt Vera Rubin (24 ago 2026)
- Barrack AI — desglose técnico Rubin para ML engineers (mar 2026)
