NVIDIA lança CUDA 13.4 com Windows on Arm e Rubin

O pacote separa a instalação de drivers, adiciona fatiamento de GPUs para contêineres e abre compilação antecipada para a próxima geração de silício.

A NVIDIA publicou as notas técnicas e a documentação do CUDA Toolkit 13.4 nesta quarta-feira (7 de outubro de 2026), detalhando as mudanças em seu blog técnico e em transmissão oficial no X. O conjunto de ferramentas que comanda a maior parte dos modelos de inteligência artificial em produção aponta para duas direções: prepara o compilador para a próxima microarquitetura dos data centers e expande o suporte nativo para computadores pessoais fora do ambiente Linux.

Do data center aos notebooks: Windows on Arm e Rubin

A principal novidade para estações de trabalho é a chegada do suporte oficial ao Windows on Arm. Antes dessa versão, quem usava chips com arquitetura Arm dependia exclusivamente de distribuições Linux. A mudança foca diretamente a frota recente de laptops corporativos com processadores Arm, permitindo compilar, testar e rodar códigos acelerados direto na máquina local, sem depender o tempo todo de instâncias remotas.

No extremo oposto da infraestrutura, o toolkit liberou uma prévia técnica para desenvolvedores (developer preview) da microarquitetura Rubin, sucessora dos aceleradores Blackwell. Identificada pela capacidade de computação 107 (SM_107), a arquitetura já aceita compilação de código no compilador NVCC. A NVIDIA não divulgou datas de lançamento comercial nem métricas de desempenho em silício físico.

Particionamento e avanços matemáticos no CUDA 13.4

Para clusters em nuvem que precisam atender múltiplos clientes em paralelo, a empresa reformulou o Multi-Process Service com o MPS V3. A ferramenta permite dividir GPUs compartilhadas entre contêineres com limites rígidos de memória e controle de núcleos Streaming Multiprocessor (SMs), configurados via arquivos TOML e integrados ao cgroups do Linux. A comunicação entre nós também recebeu a API Compute Fabric Transport (CFT), criada para transferências assíncronas em malhas NVLink com menor pressão sobre o espaço de endereçamento virtual.

Nas bibliotecas numéricas, a biblioteca cuBLAS adotou o algoritmo Ozaki Scheme II. O método divide cálculos numéricos entre hardware de menor precisão para emular operações de ponto flutuante em precisão dupla (FP64). Isso permite rodar simulações científicas rigorosas em aceleradores desenhados para treinamento de IA, sem a necessidade de adquirir hardware especializado para supercomputação.

Mudanças de fluxo e suporte a agentes de IA

A atualização altera ainda o processo de instalação e o desempenho com grandes redes neurais. A partir do CUDA 13.4 no Linux (comportamento já adotado no Windows desde a versão 13.1), o instalador padrão não traz mais os drivers gráficos embutidos. Administradores precisam instalar o driver da série R615 ou mais recente em uma etapa separada.

Para modelos com arquitetura Mixture-of-Experts (MoE), que ativam partes específicas dos parâmetros a cada requisição, a biblioteca cuBLASLt recebeu balanceamento dinâmico para Grouped GEMMs. Segundo testes independentes da FullStack Labs, a mudança entrega ganhos de até 20% em GPUs Blackwell de data center durante o processamento de múltiplos grupos de trabalho.

Além das bibliotecas de baixo nível, a NVIDIA lançou um servidor oficial baseado no padrão Model Context Protocol (MCP). O objetivo é conectar agentes autônomos de desenvolvimento diretamente à documentação técnica e aos exemplos de código do CUDA, reduzindo erros de sintaxe gerados por assistentes nos ambientes de programação.

O impacto prático da atualização

As mudanças do CUDA 13.4 atacam gargalos rotineiros da operação de inteligência artificial. Permitir desenvolvimento nativo em notebooks Arm mantém engenheiros no ecossistema proprietário da empresa antes mesmo de enviarem código para a nuvem. Ao mesmo tempo, fatiar hardware com mais rigor e acelerar modelos MoE reduzem custos imediatos de infraestrutura enquanto os novos chips não chegam ao mercado.