NVIDIA lanza CUDA 13.3 con Tile C++, CUDA Python 1.0 y nuevas optimizaciones para acelerar kernels

NVIDIA ha anunciado CUDA 13.3 como una actualización centrada en simplificar el desarrollo GPU y exprimir más rendimiento en cargas ya optimizadas. La nueva versión toca varias piezas importantes del ecosistema. Entre ellas están el estreno de CUDA Tile para C++, la llegada estable de CUDA Python 1.0, el nuevo framework CompileIQ para autotuning del compilador y soporte oficial para C++23 en NVCC. No es una actualización pensada para un único perfil de desarrollador. Más bien refuerza casi todo el recorrido, desde el código C++ de bajo nivel hasta los flujos basados en Python y bibliotecas de cálculo científico.

Uno de los cambios más relevantes es la extensión de CUDA Tile al lenguaje C++. Hasta ahora, este modelo se presentaba como una forma de trabajar con kernels por bloques de una manera más abstracta. Con CUDA 13.3, NVIDIA quiere que también encaje mejor en grandes bases de código C++. La idea es automatizar detalles complejos del trabajo en GPU, como el paralelismo, el movimiento de memoria o la asincronía, sin perder portabilidad entre arquitecturas. Además, Tile C++ ya funciona también en GPUs Hopper con Compute Capability 9.0.

La otra gran novedad es el lanzamiento de CUDA Python 1.0. NVIDIA convierte así en estable su pila principal para exponer CUDA en Python y adopta versionado semántico. Eso da más previsibilidad a quienes trabajan con APIs que hasta ahora seguían evolucionando. La versión 1.0 consolida cuda.core e introduce funciones como green contexts, checkpointing de procesos en Linux y compartición de memoria GPU entre procesos sin pasar por la RAM del sistema, algo especialmente útil en entornos de inferencia, clústeres compartidos y flujos de trabajo de aprendizaje automático.

Más rendimiento para kernels y un ecosistema más sólido en C++ y Python

En el terreno del rendimiento, CompileIQ es probablemente la novedad más llamativa. Se trata de un sistema de autotuning del compilador que usa algoritmos evolutivos para encontrar configuraciones específicas para cada kernel. NVIDIA asegura mejoras de hasta el 15 % en kernels críticos como GEMM y atención, dos bloques muy relevantes en inferencia de modelos de lenguaje. A eso se suman mejoras en bibliotecas como cuBLAS, cuSPARSE y cuSOLVER, además de novedades en CCCL 3.3 para interoperabilidad con tensores mediante DLPack y mdspan.

Te interesa 👉 Las mejores tarjetas gráficas que puedes comprar

También hay cambios importantes para quienes usan Python como capa principal. NVIDIA ha presentado CUDA MLIR para Numba como un backend nuevo que promete menor latencia de compilación, mejor diagnóstico y una vía más limpia para adoptar futuras arquitecturas. Junto a ello, el soporte oficial para C++23 en NVCC y NVRTC refuerza la idea de una plataforma más moderna y alineada con el desarrollo C++ actual.