NVIDIA publica CUDA 13.4 con soporte para desarrollar sobre Windows on Arm y acceso preliminar a la arquitectura Vera Rubin. La actualización también renueva la gestión compartida de GPU y las herramientas para Python y C++.
NVIDIA ha liberado CUDA 13.4, una actualización que habilita el desarrollo de aplicaciones CUDA sobre Windows on Arm y ofrece acceso anticipado a las capacidades de la próxima generación de hardware Vera Rubin, según publica muycomputer.com. La versión llega además con mejoras en compiladores, librerías y gestión de recursos compartidos.
El soporte para Windows Arm64 es la novedad más visible para el ecosistema PC. Hasta ahora CUDA funcionaba sobre Arm en Linux; con este lanzamiento los desarrolladores pueden portar aplicaciones, validar dependencias y probar flujos de trabajo en los equipos Windows on Arm actuales. El objetivo es que, cuando lleguen los primeros sistemas RTX Spark, el software no tenga que partir de cero.
Esa plataforma, impulsada por NVIDIA y Microsoft para PCs con IA local, tiene prevista su llegada comercial a partir de octubre. La compañía ha adelantado equipos de fabricantes como ASUS, Dell, HP, Lenovo, Microsoft Surface y MSI, con más modelos previstos posteriormente. El soporte Arm64 deja de ser una curiosidad técnica para convertirse en una pieza necesaria de ese ecosistema.
CUDA 13.4 también incluye soporte funcional preliminar para Vera Rubin, que permite compilar, portar y validar código dirigido a la nueva arquitectura antes de su disponibilidad general. NVIDIA habla expresamente de acceso anticipado y señala que la compatibilidad general con Rubin llegará en una futura versión del Toolkit.
Otra novedad destacada es Multi-Process Service V3, una renovación del sistema que permite compartir una misma GPU entre múltiples procesos. La nueva versión incorpora una capa de control modernizada, servidores identificables, configuración mediante TOML y herramientas para limitar la memoria y la capacidad de cómputo asignada a cada carga. Resulta útil en servidores, contenedores y entornos de inteligencia artificial donde varios procesos compiten por los mismos recursos.
En sistemas con múltiples GPU, CUDA Compute Fabric Transport introduce mecanismos de comunicación basados en endpoints lógicos y operaciones asíncronas para mover datos a través de NVLink con mayor control. NVIDIA sigue recomendando soluciones como NCCL o NVSHMEM para la mayoría de cargas distribuidas, pero esta capa amplía las posibilidades para librerías de comunicación y software de bajo nivel.
Las mejoras alcanzan también a CUDA Python y CCCL. cuda.core 1.1 amplía las APIs para texturas, superficies, memoria administrada y CUDA Graphs, mientras que cuda.compute 1.1 permite compilar por adelantado determinados algoritmos para distintas arquitecturas incluso desde sistemas sin una GPU compatible. CCCL 3.4 introduce optimizaciones en algoritmos paralelos y mejora el rendimiento de DeviceScan sobre Blackwell, con hasta un 92% de utilización del ancho de banda de memoria según las pruebas de NVIDIA.
La actualización está disponible desde ya para los desarrolladores que trabajan con la plataforma. El soporte completo para Rubin llegará en una versión posterior del Toolkit.
También te puede interesar
