NVIDIA Vera heeft duidelijk de overhand getoond ten opzichte van verschillende AMD EPYC-processors op basis van Zen 5 tijdens Daytona-tests die gericht zijn op AI-agentgerichte werklasten. De NVIDIA-processor wist 1.000 sandboxes op te starten in slechts 10,8 seconden en 2.000 in 27,4 seconden. Daarentegen nam een EPYC 9755 maar liefst 88,4 seconden om 1.000 omgevingen te activeren. Deze resultaten komen uit door Daytona gepubliceerde tests en vormen geen volledige onafhankelijke vergelijking van alle serverprocessors.
De kernpunten van NVIDIA Vera in 20 seconden
- Vera behaalde 13,3 agent-taken per seconde in Daytona-tests.
- Het zette 1.000 sandboxes online in 10,8 seconden en 2.000 in 27,4 seconden.
- De AMD EPYC 9755 deed er 88,4 seconden over voor 1.000 omgevingen, terwijl de EPYC 9575F, met hogere kloksnelheden, dit in 32,3 seconden deed.
- Daytona schat dat Vera circa 15% minder machines nodig heeft dan de EPYC 9755 en 38% minder dan de 9575F voor een gelijk volume werk.
- De tests richten zich op AI-agenten die code uitvoeren en eigen besturingssystemen, tools en omgevingen nodig hebben.
Deze uitkomst benadrukt een minder zichtbaar deel van AI-infrastructuur. Wanneer duizenden agenten tegelijkertijd code uitvoeren, gaat het niet alleen om GPU-capaciteit. Elke agent kan een geïsoleerde omgeving, afhankelijkheden, bestandskoppelingen, een console en testmogelijkheden vereisen. De CPU bepaalt dan hoeveel van deze omgevingen op één machine kunnen worden gestart en onderhouden.
Vera onderscheidt zich door duizenden sandboxes tegelijk te activeren
Daytona, een platform voor het uitvoeren van AI-gegenereerde code en workflows met agenten, vergeleek NVIDIA Vera met AMD’s EPYC-processors via dezelfde agent-taak op grote aantallen sandboxes.
De meest opvallende metric is de tijd die nodig is om de omgevingen operationeel te krijgen. Vera behaalde 1.000 sandboxes in slechts 10,8 seconden en verdubbelde dat aantal tot 2.000 in 27,4 seconden.
De referentie-AMD EPYC 9755 had 88,4 seconden nodig voor 1.000 sandboxes. De EPYC 9575F, met hogere kloksnelheden, deed dit in 32,3 seconden.
Relatief gezien favoriseert de vergelijking Vera: 10,8 seconden versus 88,4 seconden voor dezelfde 1.000 omgevingen. Dat is meer dan acht keer sneller in deze specifieke test.
De EPYC 9575F verkortte die afstand aanzienlijk dankzij hogere snelheden, maar bleef Vera’s opstartprestaties onderdoen. Daytona benadrukt hiermee het belang van de prestatie per kern bij deze workloads.
Het is belangrijk te vermelden dat dit geen algehele prestatietest van Arm- versus x86-architecturen is. Het betreft een specifieke scenario, met Daytona-software en een AI-agentgerichte workload. De resultaten betekenen niet dat Vera altijd sneller is dan elke EPYC in alle toepassingen.
Prestaties blijven constant bij toenemende gelijktijdigheid
Daytona heeft ook onderzocht wat er gebeurt als het aantal gelijktijdige agenten toeneemt. In dat geval behaalde NVIDIA Vera een maximum van 13,3 agent-taken per seconde en bleef dicht bij dat niveau bij 2.000 gelijktijdige sandboxes.
De EPYC 9755 bleef stabiel rond de 11 taken/sec, terwijl de EPYC 9575F rond de 8 taken/sec bleef volgens Daytona-gegevens.
Daytona benadrukt dat niet alleen het maximale prestatieniveau relevant is, maar vooral de stabiliteit wanneer de machine haar limieten nadert. Vedran Jukić, medeoprichter en CTO van Daytona, wijst erop dat Vera’s gedrag bij 2.000 omgevingen belangrijker is dan het piekprestatieniveau.
Voor een agent-platform is deze stabiliteit praktisch van groot belang. Een systeem dat een hoge verwerkingssnelheid kan behouden bij toenemende gelijktijdigheid, stelt het in staat meer agenten op één machine te draaien. Het doel is minder servers nodig te hebben, of de bestaande infrastructuur efficiënter te benutten.
Volgens Daytona-gegevens zou Vera circa 15% minder machines nodig hebben dan de EPYC 9755 voor hetzelfde werkvolume, en 38% minder dan de 9575F. Dit kan voordelen bieden in energieverbruik, koeling en infrastructuurkosten.
Deze schattingen zijn gebaseerd op Daytona-tests en moeten niet automatisch worden geïnterpreteerd als een totale eigendomskostenbesparing (TCO) in elke datacenter. Werkelijke kosten hangen af van systeemprijzen, geheugen, opslag, netwerk, software, energieverbruik en specifieke installatiecondities.
AI-agenten veranderen CPU naar een dichtheidsprobleem
De verandering die Daytona beschrijft, betreft hoe technicians omgaan met AI-agenten. Een agent doet niet alleen tekstgeneratie; hij kan bestanden creëren, afhankelijkheden installeren, commando’s uitvoeren, tests lanceren en code aanpassen binnen een geïsoleerde omgeving.
Wanneer zulke operaties door honderden of duizenden agenten worden uitgevoerd, vereist elke uitvoering eigen resources. Infrastructuur moet snel omgevingen kunnen opzetten en actueel houden terwijl de agenten werken.
Dit scenario vraagt om processoren die hoge gelijktijdigheid aankunnen en goed presteren per kern. Ook aspecten zoals opslag, geheugen, virtualisatie en processiebeheer, die traditioneel belangrijk zijn in servers, krijgen zo een grotere rol in de uiteindelijke prestaties.
NVIDIA ontwikkelde Vera als een ARM CPU-platfrom gericht op datacenter workloads. De Daytona-resultaten tonen een verbeterde prestatie ten opzichte van vroegere NVIDIA-processors op basis van Grace, volgens de beschikbare gegevens.
De vergelijking houdt geen rekening met de nieuwste generatie AMD EPYC-processors. AMD brengt namelijk al EPYC-processors op basis van Zen 6 uit, en daarom zeggen de resultaten op Zen 5-niveau niet alles over Vera’s concurrentiekracht met de nieuwste AMD-architecturen.
De kern van deze tests is het bevestigen dat AI-infrastructuur haar behoeften uitbreidt. Tegelijkertijd blijven veel modellen afhankelijk van accelerators voor intensieve berekeningen. Maar de autonome agenten die taken uitvoeren, vereisen ook een krachtige CPU-ondersteuning voor duizenden gelijktijdige processen en omgevingen.
Voor NVIDIA betekent Vera ook een uitbreiding van de markt, weg van alleen GPU’s. Als AI-groeimirrored de rol van CPU’s bij het beheren en uitvoeren van agenten, kan hun prestatie een grotere impact krijgen op AI-infrastructuurontwerp.
De beschikbare resultaten zijn voorlopig, gebasseerd op Daytona-testen met een specifieke workload. De snelheid van 10,8 seconden voor 1.000 sandboxes en de 13,3 agent-taken/sec wijzen op een significante prestatie binnen dat scenario. Maar uitgebreidere vergelijkingen met andere platforms, configuraties en workloads zijn nodig om de volledige voordelen van deze architectuur te begrijpen.
Veelgestelde vragen
Hoe lang doet NVIDIA Vera erover om 1.000 sandboxes te activeren?
In Daytona-tests kostte Vera 10,8 seconden om 1.000 sandboxes te activeren en 27,4 seconden voor 2.000 omgevingen.
Hoe verhoudt AMD EPYC zich tot NVIDIA Vera?
De EPYC 9755 nam 88,4 seconden voor 1.000 sandboxes, en de EPYC 9575F deed dit in 32,3 seconden. Op het gebied van agent-werkload behaalde Vera 13,3 taken/sec.
Waarom is de CPU zo belangrijk voor AI-agenten?
AI-agenten vereisen het creëren en onderhouden van omgevingen met bestanden,Dependences, tools en processen. Bij duizenden gelijktijdige agenten wordt de capaciteit van de CPU om deze gelijktijdigheid te beheren cruciaal.
Is Vera sneller dan alle AMD EPYC-processors?
Niet noodzakelijk. De vergelijking werd gemaakt met EPYC 9755 en 9575F op basis van Zen 5. AMD heeft inmiddels ook nieuwere generaties, zoals Zen 6, waardoor de volledige vergelijking complexer wordt. De resultaten gelden vooral voor de specifieke workloads uit Daytona.