Windows 11 podrá reinstalarse desde la nube sin usar una memoria USB

Microsoft está probando una nueva forma de recuperar Windows 11 cuando el sistema presenta errores graves o deja de arrancar. La función se llama Cloud rebuild y permite reinstalar completamente el sistema operativo descargando una imagen limpia y los controladores directamente desde Windows Update.

La principal ventaja es que no se necesita preparar una memoria USB de instalación ni depender de la copia de Windows que se encuentra almacenada en el equipo. Sin embargo, la función todavía está en fase de pruebas y por ahora solo está disponible para algunos participantes de Windows Insider.

Qué es Cloud rebuild

Cloud rebuild es una nueva opción de recuperación integrada en el Entorno de recuperación de Windows, conocido como WinRE. Su objetivo es devolver la computadora a un estado limpio y funcional mediante una reinstalación completa de Windows 11.

A diferencia de algunas herramientas tradicionales, esta función no depende completamente de la instalación que está dañada. Descarga desde Internet la imagen de Windows y los controladores del dispositivo para realizar el proceso de recuperación.

Esto puede ser especialmente útil cuando los archivos del sistema están dañados, la computadora no inicia correctamente o existe la sospecha de que un malware alteró componentes importantes de Windows.

La diferencia con Restablecer este PC

Windows 11 ya incluye la función Restablecer este PC, que permite reinstalar el sistema conservando o eliminando los archivos personales. Cloud rebuild comparte parte de esa finalidad, pero está diseñado para funcionar de una manera más independiente.

Característica	Restablecer este PC	Cloud rebuild
Origen de los archivos	Archivos locales o descarga en la nube, según la opción elegida.	Imagen y controladores descargados desde Windows Update.
Memoria USB	Normalmente no es necesaria.	No necesita memoria USB.
Sistema que no arranca	Puede utilizarse desde WinRE.	Está pensado para ejecutarse desde WinRE.
Controladores	Puede depender de los archivos disponibles en el equipo.	Descarga los controladores del dispositivo.
Objetivo principal	Restablecer la instalación existente.	Reconstruir el sistema desde una imagen limpia.

La diferencia más importante es que Cloud rebuild intenta dejar el equipo con una instalación nueva sin depender del estado de la instalación anterior.

Cómo acceder a Cloud rebuild

En las versiones de prueba, la opción aparece dentro del Entorno de recuperación de Windows. La ruta indicada es:

Solucionar problemas > Recuperación y desinstalación > Cloud rebuild

Para llegar a WinRE desde Windows 11 puedes utilizar esta ruta:

1. Abre Configuración.
2. Entra en Sistema.
3. Selecciona Recuperación.
4. Junto a Inicio avanzado, pulsa Reiniciar ahora.
5. En el menú de recuperación, elige Solucionar problemas.
6. Busca la opción Cloud rebuild.

Si Windows no arranca, el equipo puede entrar automáticamente en WinRE después de varios intentos fallidos de inicio. También se puede acceder mediante las opciones de recuperación del fabricante, aunque la disponibilidad depende del dispositivo.

La conexión a Internet es indispensable

Cloud rebuild no funciona como una reinstalación local. El equipo debe conectarse a Internet desde el propio Entorno de recuperación de Windows, antes de comenzar la descarga.

La conexión puede realizarse mediante:

• Un cable Ethernet conectado directamente al equipo.
• Una red Wi-Fi compatible con el entorno de recuperación.

Si WinRE no detecta el adaptador de red, si el controlador inalámbrico no está disponible o si la conexión se interrumpe, el proceso no podrá descargar la imagen y los controladores necesarios.

Por ese motivo, conviene tener a mano un cable de red aunque normalmente utilices Wi-Fi. En una emergencia, una conexión Ethernet puede ser más sencilla de reconocer desde el entorno de recuperación.

Qué ocurre durante el proceso

1. WinRE comprueba la conexión a Internet.
2. El sistema identifica la edición y el idioma de Windows.
3. Se muestra la compilación de destino disponible.
4. Cloud rebuild descarga la imagen del sistema.
5. También descarga los controladores compatibles.
6. Se reinstala Windows 11.
7. El equipo reinicia y completa la configuración inicial.

Antes de comenzar, Windows muestra una advertencia relacionada con la pérdida de datos. El usuario debe revisar cuidadosamente las opciones disponibles y confirmar el proceso solo después de realizar una copia de seguridad.

¿Se borran los archivos personales?

Cloud rebuild realiza una reinstalación completa, por lo que debes asumir que puede eliminar aplicaciones, configuraciones y archivos almacenados en la unidad. No utilices esta función sin respaldar previamente documentos, fotografías, proyectos y claves importantes.

Si Windows todavía inicia, copia tus archivos a una unidad externa, un servidor local o un servicio de almacenamiento en la nube. Si el sistema no arranca, puedes intentar acceder a tus datos desde otro equipo utilizando una carcasa USB para la unidad, un entorno de recuperación o una distribución Linux de rescate.

También debes comprobar que tienes:

• Las contraseñas de tus cuentas.
• Las claves de programas instalados.
• Los instaladores de aplicaciones importantes.
• Los controladores especiales del fabricante.
• La clave de recuperación de BitLocker, si está activado.

Una solución para sistemas que no arrancan

Uno de los principales beneficios de Cloud rebuild es que puede operar cuando la instalación principal de Windows está dañada. Esto es diferente de una herramienta que se ejecuta dentro del sistema operativo y depende de que sus archivos estén funcionando correctamente.

La función puede resultar útil en situaciones como:

• Pantallas azules repetidas.
• Archivos del sistema dañados.
• Actualizaciones que dejaron Windows inutilizable.
• Errores graves de arranque.
• Conflictos de controladores.
• Sospechas de malware persistente.
• Instalaciones que no pueden repararse con las herramientas habituales.

No solucionará problemas físicos de la unidad SSD, memoria RAM, placa base o fuente de alimentación. Si el hardware está fallando, la reinstalación puede detenerse o el problema volverá a aparecer después de instalar Windows.

¿Es mejor que utilizar una memoria USB?

Cloud rebuild puede ser más cómodo porque evita preparar una memoria de instalación desde otra computadora. También descarga controladores específicos del dispositivo, lo que puede facilitar la puesta en marcha después de la reinstalación.

Sin embargo, una memoria USB sigue siendo importante porque funciona cuando el equipo no tiene conexión a Internet. También permite instalar una versión específica de Windows, utilizar herramientas de diagnóstico y trabajar con mayor independencia de los servidores de Microsoft.

Situación	Cloud rebuild	Memoria USB
El equipo tiene Internet en WinRE	Muy conveniente.	También funciona.
No hay conexión de red	No disponible.	Más recomendable.
Se necesita una versión específica	Depende de la imagen disponible.	Permite utilizar una ISO elegida.
Se necesita reparar particiones	Puede ser limitado.	Ofrece más herramientas de diagnóstico.
El sistema no arranca	Funciona desde WinRE si hay red.	Funciona si el equipo puede arrancar desde USB.

Disponibilidad actual

Cloud rebuild apareció inicialmente en la compilación 26220.9343 de Windows 11 25H2, distribuida a los participantes del canal Beta del programa Windows Insider.

Microsoft todavía no ha confirmado una fecha definitiva para que la función llegue a todos los usuarios de Windows 11. Además, la compañía puede cambiar el diseño, la ruta de acceso, los requisitos o el comportamiento antes de publicarla en una versión estable.

Las notas oficiales de Microsoft indicaron posteriormente que el anuncio de Cloud rebuild fue retirado de una compilación mientras se preparaba una nueva comunicación para el canal Beta. Esto demuestra que la función continúa en desarrollo y que su disponibilidad puede cambiar durante las pruebas. [521]

En actualizaciones posteriores del programa Insider, Microsoft también ha indicado que Cloud rebuild puede incorporar opciones para limpiar las unidades del dispositivo y que los administradores de TI pueden configurarlo o iniciarlo de forma remota mediante Recovery CSP. [522]

Cómo probarla con seguridad

Si deseas probar Cloud rebuild desde Windows Insider, utiliza un equipo secundario y no una computadora de trabajo. Las versiones preliminares pueden contener errores y la función puede cambiar o desaparecer temporalmente.

1. Realiza una copia de seguridad completa.
2. Guarda la clave de recuperación de BitLocker.
3. Comprueba que el equipo tenga conexión Ethernet o Wi-Fi compatible.
4. Anota la edición, el idioma y la arquitectura de Windows.
5. Descarga los instaladores de tus aplicaciones importantes.
6. Confirma que el equipo tenga suficiente batería o esté conectado a la corriente.
7. No interrumpas la descarga ni apagues el dispositivo.
8. Mantén una memoria USB de instalación como alternativa.

Cloud rebuild para empresas

La función también puede ser interesante para administradores de sistemas. La posibilidad de configurar o iniciar procesos de recuperación mediante Recovery CSP permitiría integrar la reinstalación en herramientas de administración remota.

En una empresa, esto podría simplificar la recuperación de equipos que no arrancan, siempre que existan políticas claras para proteger los datos y verificar el estado del dispositivo después de la reinstalación.

Antes de automatizar el proceso, los administradores deben considerar:

• La copia de seguridad de los datos del usuario.
• La recuperación de claves de BitLocker.
• El inventario de aplicaciones y controladores.
• La conexión disponible durante el arranque.
• La autenticación del dispositivo.
• El cumplimiento de las políticas de seguridad.

Conclusión

Cloud rebuild permitirá reinstalar Windows 11 desde el Entorno de recuperación utilizando una imagen limpia y controladores descargados desde Windows Update. Su principal ventaja es que puede funcionar aunque la instalación actual esté dañada y elimina, en muchos casos, la necesidad de preparar una memoria USB.

La función requiere conexión a Internet desde WinRE y todavía se encuentra en fase de pruebas. Por ahora, apareció en compilaciones de Windows Insider y no existe una fecha confirmada para su lanzamiento general.

Aunque Cloud rebuild será una alternativa cómoda, no reemplazará completamente a una memoria USB de instalación. La herramienta física seguirá siendo importante cuando no exista conexión de red, se necesite una versión concreta de Windows o haya que realizar diagnósticos avanzados.

Fuente de referencia: artículo de SoftZone sobre Cloud rebuild .

Un simple ajuste de Chrome libera gigas de RAM sin cerrar ni una pestaña: así funciona lo activas

Chrome tiene fama de consumir memoria RAM sin freno, sobre todo cuando se acumulan decenas de pestañas abiertas a lo largo del día. Una función integrada en el navegador, llamada Ahorro de memoria , permite recuperar [...]

Imagen y nota vía softzone. Leer la nota completa aquí →

#Ram #Memoria #App #Navegador #Chrome

CUDA Toolkit 13.4 llega con soporte para Windows on Arm y mayor control de GPU compartidas

NVIDIA ha presentado CUDA Toolkit 13.4, una actualización que amplía las plataformas compatibles y añade nuevas herramientas para desarrolladores de aplicaciones aceleradas por GPU.

Entre las novedades más importantes se encuentran el soporte para Windows on Arm, la compatibilidad preliminar con la arquitectura de GPU Rubin, un control más preciso de GPU compartidas y mejoras en CUDA Python, CCCL y las herramientas NVIDIA Nsight.

Qué es CUDA Toolkit

CUDA Toolkit es el conjunto de herramientas de NVIDIA para desarrollar aplicaciones que utilizan sus GPU como aceleradores de cálculo. Se emplea en inteligencia artificial, aprendizaje automático, simulación científica, análisis de datos, gráficos y computación de alto rendimiento.

El paquete incluye compiladores, bibliotecas, APIs, depuradores, analizadores de rendimiento y herramientas para trabajar con diferentes arquitecturas de GPU.

Gracias a CUDA, un programa puede descargar determinadas tareas desde el procesador principal hacia la GPU, donde miles de núcleos ejecutan operaciones en paralelo.

Windows on Arm recibe soporte oficial

CUDA Toolkit 13.4 extiende el soporte de CUDA a Windows on Arm. Hasta ahora, las aplicaciones CUDA ya podían ejecutarse en plataformas Arm mediante Linux, pero esta versión amplía la compatibilidad al sistema operativo de Microsoft para equipos con procesadores Arm.

El cambio puede beneficiar a portátiles y estaciones de trabajo basados en Arm que incorporen una GPU NVIDIA compatible. También abre nuevas posibilidades para desarrolladores que desean compilar o portar aplicaciones aceleradas sin depender exclusivamente de Windows sobre procesadores x86.

Para que una aplicación funcione correctamente, no basta con instalar CUDA Toolkit. También deben ser compatibles el controlador, la GPU, las bibliotecas utilizadas y el entorno de compilación.

Ventajas para los desarrolladores

• Permite ampliar aplicaciones CUDA a Windows sobre Arm.
• Facilita la creación de software multiplataforma.
• Mejora las opciones para portátiles Arm con GPU NVIDIA.
• Reduce la dependencia de una única arquitectura de procesador.
• Ofrece nuevas posibilidades para herramientas de inteligencia artificial y cálculo científico.

El soporte llega con bibliotecas matemáticas y herramientas de desarrollo actualizadas, aunque los desarrolladores deben verificar las plataformas y versiones específicas soportadas por cada componente.

Soporte preliminar para NVIDIA Rubin

CUDA Toolkit 13.4 incorpora soporte funcional preliminar para la arquitectura NVIDIA Rubin, identificada con la capacidad de cómputo 107.

La compatibilidad se ofrece como una vista previa para que los desarrolladores comiencen a portar y probar sus aplicaciones antes de que el soporte llegue a una versión generalizada del Toolkit.

Rubin es la siguiente generación de arquitectura de GPU de NVIDIA para centros de datos y cargas de inteligencia artificial. El soporte preliminar permite detectar con anticipación problemas de compatibilidad, dependencias o rendimiento.

Al tratarse de una función de vista previa, los resultados pueden cambiar y no todas las características estarán necesariamente disponibles o optimizadas.

Multi-Process Service V3

Una de las novedades más importantes para entornos compartidos es Multi-Process Service V3, conocido como MPS V3. Esta tecnología permite administrar mejor el uso de una GPU entre varios procesos o aplicaciones.

La nueva versión incorpora un sistema de control más moderno y automatizable, con funciones como:

• Interfaz de línea de comandos programable.
• Instancias de servidor identificadas por nombre.
• Namespaces para organizar cargas simultáneas.
• Archivos de configuración en formato TOML.
• Control de particiones de streaming multiprocessors.
• Límites de memoria GPU integrados con cgroups.
• Mejor integración con contenedores.

Estas funciones permiten definir qué cantidad de cómputo, memoria y prioridad recibe cada proceso. El objetivo es aumentar el aprovechamiento de la GPU sin perder aislamiento entre las cargas de trabajo.

Por qué es importante compartir una GPU

En un centro de datos, una GPU puede quedar parcialmente desaprovechada si una sola aplicación no utiliza todos sus recursos. MPS permite ejecutar varios procesos al mismo tiempo para mejorar la utilización del hardware.

Por ejemplo, una organización podría dividir una GPU entre diferentes trabajos de inferencia, procesos de análisis o sesiones de desarrollo. Cada carga tendría límites y prioridades definidos, reduciendo el riesgo de que una aplicación consuma todos los recursos disponibles.

Esta función es especialmente útil en:

• Clusters de inteligencia artificial.
• Plataformas de aprendizaje automático.
• Infraestructura basada en contenedores.
• Servicios de inferencia compartidos.
• Laboratorios de investigación.
• Entornos de desarrollo con varios usuarios.

CUDA Compute Fabric Transport

CUDA 13.4 incorpora CUDA Compute Fabric Transport, una interfaz orientada a aplicaciones avanzadas y bibliotecas de comunicación que necesitan mover datos a través de una red NVIDIA NVLink.

En lugar de asignar cada memoria remota al espacio de direcciones virtuales de un proceso, las aplicaciones pueden utilizar puntos finales lógicos identificados mediante un ID y un desplazamiento.

El sistema permite ejecutar operaciones asíncronas de:

• Escritura de datos.
• Lectura de datos.
• Reducciones.
• Comunicación unicast.
• Comunicación multicast.

También informa sobre la finalización y los errores, lo que permite detectar transferencias fallidas, repetirlas o redirigirlas.

Esta función está disponible mediante la Driver API y está pensada principalmente para desarrolladores de bibliotecas de comunicación. La mayoría de las aplicaciones puede seguir utilizando soluciones de alto nivel como NCCL o NVSHMEM.

Locality domains

La nueva versión expone acceso programático a los llamados locality domains. Un dominio de localidad es una parte de la GPU que contiene determinados streaming multiprocessors y memoria del dispositivo.

Una aplicación puede asignar memoria en un dominio y crear un contexto de ejecución utilizando recursos de cómputo cercanos. Esta proximidad puede reducir el costo de acceder a los datos en GPUs que utilizan más de un dominio de localidad.

La función está orientada a cargas de trabajo sensibles a la latencia y al ancho de banda. Permite que los desarrolladores tengan mayor control sobre dónde se colocan los datos y dónde se ejecutan los cálculos.

Consulta de la ubicación de Unified Memory

CUDA 13.4 añade APIs para consultar dónde se encuentra físicamente la memoria unificada. Esta información permite saber si los datos están en la GPU, en la memoria del sistema o en otra ubicación.

La memoria unificada simplifica el desarrollo de aplicaciones heterogéneas, pero puede generar migraciones de páginas y accesos remotos que afectan al rendimiento.

Con la función cudaMemGetLocationInfo, las bibliotecas y los runtimes pueden tomar decisiones más inteligentes sobre:

• Cuándo mover datos a la GPU.
• Dónde ejecutar una operación.
• Cómo evitar migraciones innecesarias.
• Cómo reducir accesos remotos.
• Cuándo utilizar memoria del sistema.

El controlador ya no viene incluido en el instalador

CUDA Toolkit 13.4 separa el controlador NVIDIA del instalador principal del SDK. Los desarrolladores deben instalar el controlador apropiado de forma independiente mediante el gestor de paquetes correspondiente.

La separación permite administrar por separado el Toolkit y el controlador, algo útil en servidores, contenedores y sistemas donde diferentes aplicaciones requieren versiones específicas.

Antes de actualizar, es importante comprobar la compatibilidad entre la versión del controlador, el Toolkit, la GPU y las bibliotecas utilizadas por la aplicación.

Gestión de memoria coherente

En plataformas NVIDIA coherentes como Grace Hopper, Grace Blackwell y Vera Rubin, CUDA 13.4 establece como opción predeterminada la gestión de memoria basada en Coherent Driver-based Memory Management, conocida como CDMM.

El modo NUMA continúa disponible y puede seleccionarse mediante un parámetro del módulo del kernel. NVIDIA recomienda elegir la modalidad antes de actualizar porque el cambio puede requerir recargar el controlador o reiniciar el sistema.

Mejoras en compiladores

La compatibilidad de compiladores se amplía con GCC 16 y Clang 22 en las plataformas compatibles. Además, se incorpora el objetivo de arquitectura SM_107 para compilar aplicaciones destinadas a GPU Rubin.

La selección correcta del compilador es importante para evitar problemas de ABI, incompatibilidades con bibliotecas o errores durante la compilación de extensiones de Python y frameworks de inteligencia artificial.

CUDA Python 1.1

CUDA Python amplía el acceso desde Python a APIs y algoritmos de CUDA. La versión cuda.core 1.1.0 incorpora funciones para trabajar con texturas, superficies, memoria administrada y gráficos CUDA.

La API también incluye información de tipos para ayudar a los entornos de desarrollo y a los agentes de programación basados en inteligencia artificial.

Texturas y superficies

El nuevo módulo cuda.core.texture proporciona APIs de Python para trabajar con memoria de texturas y superficies.

Entre sus componentes se encuentran:

• OpaqueArray para representar asignaciones organizadas por hardware.
• MipmappedArray para matrices con mipmaps.
• TextureObject para lecturas filtradas por hardware.
• SurfaceObject para cargas y almacenamientos tipados desde kernels.

Estas funciones pueden ser útiles en procesamiento de imágenes, gráficos, simulaciones y algoritmos que necesitan accesos especializados a la memoria.

Memoria administrada consciente de NUMA

La gestión de memoria administrada incorpora controles para indicar dónde se prefieren colocar los datos y qué procesadores pueden acceder a ellos.

Los desarrolladores pueden configurar:

• Datos de solo lectura frecuente.
• Ubicación preferida.
• Procesadores con permiso de acceso.
• Prefetch de datos hacia la GPU.
• Movimiento posterior de resultados hacia la memoria del sistema.

Este control puede mejorar el rendimiento de aplicaciones que trabajan con sistemas de varios nodos NUMA o plataformas con CPU y GPU estrechamente integradas.

Mejores flujos de desarrollo en Python

CUDA Python 1.1 añade archivos de definición de tipos .pyi para las APIs públicas. Esto permite obtener autocompletado, firmas de funciones, tipos de retorno y ayuda contextual en los editores compatibles.

También se amplían los flujos de trabajo con CUDA Graphs. La propiedad GraphBuilder.graph_definition permite exponer un gráfico capturado como una definición que puede inspeccionarse o ampliarse.

Esta posibilidad facilita combinar la captura de streams con la construcción explícita de gráficos CUDA.

CCCL 3.4

CUDA Toolkit 13.4 incorpora CCCL 3.4, las bibliotecas de componentes básicos de CUDA. La actualización incluye mejoras en CUB, algoritmos paralelos de la biblioteca estándar de C++ y operaciones de reducción.

Escaneos más rápidos en Blackwell

La implementación de cub::DeviceScan para GPU Blackwell utiliza el Tensor Memory Accelerator para solapar el movimiento de datos con el cálculo y reducir la sincronización.

En las pruebas de NVIDIA, la implementación alcanza hasta un 92 % de utilización del ancho de banda de memoria en determinados trabajos, frente a valores de alrededor del 50 % en una implementación anterior.

El rendimiento depende del tipo de dato, el tamaño de la operación, la arquitectura y el resto de la aplicación. La cifra no debe interpretarse como una mejora garantizada para todas las cargas.

APIs de una sola llamada

Muchas operaciones de CUB requerían llamar primero al algoritmo para calcular el espacio temporal necesario, reservar esa memoria y ejecutar después la operación real.

Las nuevas sobrecargas de una sola llamada pueden obtener memoria temporal desde un recurso de memoria suministrado en el entorno de ejecución. Esto reduce código repetido y centraliza el control de streams y pools de memoria.

Las APIs tradicionales de dos fases siguen disponibles para aplicaciones que necesitan administrar manualmente el almacenamiento temporal.

Algoritmos paralelos de C++ en la GPU

CUDA 13.4 introduce el modelo de algoritmos paralelos de la biblioteca estándar de C++ en cuda::std. Los desarrolladores pueden utilizar operaciones conocidas como:

• copy_if.
• find_if.
• merge.
• Reducción.
• Transformación.
• Scan.

La política de ejecución cuda::execution::gpu permite dirigir estas operaciones hacia la GPU, utilizando las implementaciones internas de CCCL y CUB.

CUDA Tile IR y lanzamientos dependientes

La compatibilidad con Programmatic Dependent Launch llega a CUDA Tile IR. Esta función permite que un kernel dependiente comience a ejecutarse antes de que termine completamente el kernel anterior, siempre que se cumplan las condiciones necesarias.

El objetivo es mejorar el solapamiento entre kernels y reducir tiempos muertos en aplicaciones con cadenas de operaciones relacionadas.

CUDA Tile C++ también añade nuevas vistas para cargar y almacenar datos:

• Strided view: trabaja con bloques separados por un paso definido.
• Gather scatter view: permite acceder a bloques no contiguos o dispersos.

Mejoras en NVIDIA Nsight

CUDA Toolkit 13.4 actualiza varias herramientas NVIDIA Nsight para mejorar la medición, el análisis y la optimización del rendimiento.

Nsight Python

Nsight Python 1.0 proporciona una interfaz de Python para perfilar kernels. Incluye un decorador y un gestor de contexto que permiten automatizar:

• Comparación de configuraciones de kernels.
• Recopilación de métricas de arquitectura.
• Prevención de limitaciones térmicas de la GPU.
• Visualización del rendimiento.

La herramienta busca reducir la cantidad de código necesario para analizar configuraciones y no limitarse a comparar únicamente el tiempo total de ejecución.

Nsight Compute

Nsight Compute 2026.3 incorpora soporte para Tile IR y permite inspeccionar su código fuente, el código CUDA Tile y el código generado.

También mejora la información sobre derrames de registros en cargas OptiX y añade funciones a Nsight Copilot.

Nsight Systems

Nsight Systems 2026.5.1 amplía la visibilidad sobre CUDA, CPU, redes, almacenamiento y frameworks de inteligencia artificial. La versión incorpora soporte para CUDA 13.4, GPU Rubin y Windows on Arm.

Entre las novedades se encuentran:

• Información adicional de formas de tensores en trazas de PyTorch.
• Análisis de retrasos en operaciones colectivas de NCCL.
• Resumen de accesos S3.
• Perfilado de métricas de red mediante DOCA Telemetry Service.
• Mejor análisis de almacenamiento y cargas distribuidas.
• Exportación de datos NVTX en formatos relacionales, Arrow y Parquet.

Compute Sanitizer

Compute Sanitizer mejora la detección de accesos fuera de límites en memoria compartida mediante parches en tiempo de compilación para arquitecturas Hopper y posteriores.

Initcheck incorpora soporte para operaciones de copia asíncrona por lotes, mientras que Racecheck añade filtrado por bloque de clúster.

Estas herramientas ayudan a identificar errores de memoria y condiciones de carrera que pueden producir resultados incorrectos o fallos difíciles de reproducir.

Bibliotecas matemáticas

Las bibliotecas matemáticas principales reciben soporte funcional para Rubin y Windows on Arm. Entre las mejoras de cuBLAS se incluyen:

• Mejoras de rendimiento en doble precisión mediante emulación de punto fijo Ozaki-II.
• Planificación dinámica de operaciones Grouped GEMM en GPU Blackwell.
• Mejor distribución del trabajo en cargas Mixture of Experts.
• Nuevos modos experimentales de escalado para tensores FP8.

Estas optimizaciones están especialmente orientadas a cargas de inteligencia artificial, álgebra lineal y entrenamiento o inferencia de modelos.

Qué deben comprobar los desarrolladores

Antes de actualizar a CUDA Toolkit 13.4, conviene revisar la compatibilidad completa del entorno:

• Modelo y arquitectura de la GPU.
• Versión del controlador NVIDIA.
• Sistema operativo.
• Versión del compilador.
• Framework de inteligencia artificial.
• Bibliotecas CUDA utilizadas.
• Compatibilidad de extensiones personalizadas.
• Dependencias de contenedores.

También es recomendable probar la actualización en un entorno separado antes de cambiar servidores de producción. Las funciones Rubin, MPS V3, CUDA Compute Fabric Transport y algunos componentes de CUDA Python pueden requerir cambios en el código.

Conclusión

CUDA Toolkit 13.4 amplía el ecosistema de NVIDIA con soporte para Windows on Arm, compatibilidad preliminar con Rubin y nuevas herramientas para administrar GPU compartidas.

MPS V3 ofrece mayor control sobre memoria, prioridad y recursos de cómputo, mientras que CUDA Compute Fabric Transport proporciona una interfaz especializada para comunicación sobre NVLink.

La actualización también mejora CUDA Python, CCCL, CUDA Tile, Nsight, Compute Sanitizer y las bibliotecas matemáticas. Para los desarrolladores de inteligencia artificial y computación de alto rendimiento, el soporte de Windows on Arm y Rubin puede facilitar el trabajo de portabilidad y preparación de aplicaciones futuras.

Aun así, CUDA 13.4 no es una actualización que deba instalarse sin revisar dependencias. Las aplicaciones de producción deben validarse con el nuevo controlador, el Toolkit y las GPU utilizadas antes de realizar una migración completa.

Fuente de referencia: blog técnico oficial de NVIDIA sobre CUDA Toolkit 13.4 .