Notícias de IA e infraestrutura
Filtrar por tipo: Publicação14
- há 17 dias x.com
De Numba a Triton: um percurso prático para programar GPUs
Publicada em 12 de dezembro de 2025, a publicação apresenta um notebook Jupyter que ensina programação de GPU com Numba e avança para a escrita de kernels com Triton.
- há 17 dias x.com
FlashAttention em CuPy/CUDA: implementação e desempenho
Projeto publicado em 1º de março de 2026 implementa FlashAttention com tiling e online softmax, sem materializar a matriz de scores NxN; relata verificação matemática, mas nenhum speedup sobre cuBLAS.
- há 17 dias x.com
Padding de inputs para reutilizar CUDA graphs variáveis
Em post publicado em 26 de fevereiro de 2026, o autor recomenda preencher inputs até tamanhos de referência e criar uma família de CUDA graphs para reduzir recompilações em workloads de inferência com sequências de comprimentos variados.
- há 17 dias x.com
Padrões de kernels CUDA e otimização de cargas de trabalho
Post de 25 de fevereiro de 2026 reúne reduction, convolução 1D, histogramas e softmax estável como padrões centrais de kernels CUDA.
- há 17 dias x.com
Ponteiros de 64 bits e acesso bindless em GPUs
Post publicado em 6 de abril de 2026 compara formas de acessar buffers em APIs de GPU e aponta diferenças de suporte entre elas.
- há 17 dias x.com
Treinamento de LLMs em escala: escolhas de paralelismo
Playbook publicado em 6 de abril de 2026 descreve estratégias de paralelismo para treinar LLMs em clusters de GPUs, com dados de 4.000 experimentos em até 512 GPUs.
- há 17 dias x.com
Aritmética de 256 bits em kernels CUDA para GPU
Publicação de 22 de setembro de 2025 apresenta multiplicação e adição de 256 bits na GPU e aborda aritmética multiword em kernels CUDA.
- há 17 dias x.com
Como desenvolver kernels CUDA de matmul de alto desempenho
Publicado em 29 de setembro de 2025, o guia aborda hierarquia de memória de GPU, programação CUDA e inspeção de PTX/SASS para orientar o desenvolvimento de kernels de matmul.
- há 18 dias x.com
CUDA C++: execução, memória e correção em GPU
Publicado em 19 de setembro de 2026, o guia de programação CUDA C++ da NVIDIA aborda kernels, threads, memória, sincronização, erros e validação dos resultados da GPU frente à CPU.
- há 18 dias x.com
Fork habilita P2P via PCIe em GeForce
Post de 27 de agosto de 2026 relata uma alteração em drivers gráficos para habilitar transferências peer-to-peer via PCIe em GeForce durante a otimização de serving em GPU.
- há 18 dias x.com
GPU de dois núcleos em FPGA de US$ 30: o que avaliar
Publicado em 9 de julho de 2026, o artigo descreve uma GPU de dois núcleos implementada em FPGA de US$ 30, capaz de executar inferência de IA a 81 MHz.
- há 18 dias x.com
Latency hiding em GPUs: medir antes de otimizar
Capítulo de Vasily Volkov, da UC Berkeley, publicado em 4 de julho de 2026, sobre como GPUs ocultam latência e conceitos de arquitetura ligados ao desempenho.
- há 18 dias x.com
O que acontece ao lançar um kernel CUDA
Post publicado em 11 de julho de 2026 sobre a comunicação entre CPU e GPU necessária para lançar um kernel CUDA e o trabalho envolvido nessa operação.
- há 18 dias x.com
PufferLib 4.0 relata escala multi-GPU
Publicado em 21 de junho de 2026, o relatório sobre PufferLib 4.0 informa aceleração de 6,6× em oito GPUs num teste de pior caso e throughput superior a 100 milhões de steps por segundo em oito RTX 5090.
Vamos avaliar seu projeto
Respondo com escopo e proposta.