Modelos y plataformas de IA

Cerebras lanza Tungsten para la programación de alto nivel a escala de oblea

Theo Nash
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveTungsten traslada la asignación de recursos de la oblea al compilador para que los…
Ver más
  • Tungsten traslada la asignación de recursos de la oblea al compilador para que los científicos eviten la configuración manual de descriptores y del firmware.
  • Un agente de programación escribió una simulación de plasma completa que se ejecutó en el 98% de una oblea de Cerebras.
  • La verdadera prueba es si los investigadores pueden extender los ejemplos de Aviary a sus propios códigos sin recurrir a los intrínsecos.

Cerebras Systems lanzó Tungsten, un lenguaje de alto nivel y un compilador para su Wafer-Scale Engine, el 16 de noviembre de 2026, junto con Aviary, una colección de aplicaciones científicas y tutoriales. El anuncio afirma que una simulación de plasma escrita íntegramente por un agente de programación ya se ha ejecutado en el 98 % de una oblea de Cerebras.

El lanzamiento busca reducir la carga de programación, no introducir cambios en el procesador. Los compiladores anteriores exponían mediante intrínsecos capacidades vectoriales no escalares, de flujo y de eventos, lo que obligaba a los desarrolladores a configurar descriptores, vincular tareas con eventos y enrutar manualmente la red de interconexión. El objetivo de Cerebras es permitir que los científicos programen la oblea en un nivel alto sin tener que convertirse en especialistas en hardware ni renunciar al rendimiento.

El compilador gestiona los recursos a nivel de oblea

Cerebras describe el Wafer-Scale Engine como una máquina de flujo de datos con 900.000 núcleos, memoria local y una red de comunicaciones integrada en la oblea; los datos entrantes activan el trabajo que los procesa. Los registros de patrones de acceso recorren matrices multidimensionales y flujos de la red de interconexión, por lo que el cálculo de direcciones no consume instrucciones. Una sola instrucción puede tomar un bucle completo como operando, los núcleos pueden llamar a funciones de otros núcleos mediante mensajes a través de la red de interconexión y el flujo de control basado en eventos sustituye a la consulta continua y a los saltos condicionales.

Tungsten incorpora un modelo arquitectónico que asigna el código de alto nivel a registros de patrones de acceso, tareas activadas por eventos, llamadas a través de la red de interconexión e instrucciones que incluyen bucles. En el ejemplo de una plantilla de Jacobi del anuncio, cada línea de código representa un bucle que recorre un bloque entero y se compila en una sola instrucción vectorial, sin configurar descriptores ni conectar tareas. La notación utiliza <+- para acumular en un destino, de forma similar a +=.

El compilador también asigna patrones de acceso, definiciones de bucles, conexiones de la red de interconexión y microhilos en todo el programa, y emplea modelos de costes y etapas de optimización para incorporar y retirar esos recursos durante la ejecución. Cerebras compara este enfoque con la asignación de registros de la CPU y su volcado a memoria. Al encargarse el compilador de esas decisiones, las modificaciones posteriores pasan a consistir en editar el código de alto nivel, en lugar de reescribirlo manualmente.

Aviary reúne tutoriales y aplicaciones científicas

Tungsten y Aviary ya están disponibles a través de Cerebras Labs. La colección de aplicaciones abarca desde cálculos compactos de la ecuación del calor y patrones de reacción-difusión de Gray–Scott hasta transporte de partículas, resolución de sistemas dispersos, transformadas rápidas de Fourier, dinámica molecular, simulación de plasma e hidrodinámica de alto orden. El tutorial de Gray–Scott tiene unas 50 líneas de Tungsten y ofrece a los nuevos usuarios un punto de partida más sencillo junto con los códigos científicos completos. Las aplicaciones de dinámica molecular abarcan interacciones de Lennard–Jones de corto alcance y potenciales tabulados de átomo embebido para aleaciones metálicas.

Cerebras informa que SNAP, un código proxy estándar para el transporte determinista de radiación nuclear, alcanza 1,6 PFLOP/s en un solo CS-4, por delante de 10.800 GPU en el superordenador El Capitan, y que HPCG, una prueba de rendimiento de supercomputación con cargas de trabajo dispersas, alcanza 1,04 PFLOP/s en un único sistema.

Muchas de las aplicaciones surgieron del trabajo con los laboratorios nacionales Sandia, Lawrence Livermore y Los Alamos, en el marco del programa de Tecnología de Memoria Avanzada de la NNSA. Los códigos de dinámica molecular se basan en el trabajo de la colaboración que quedó finalista del premio Gordon Bell de 2024, pero son códigos distintos; ese resultado anterior utilizó una versión inicial de Tungsten.

Un código de plasma escrito por un agente demuestra el flujo de trabajo

La aplicación de partículas en celda ofrece el ejemplo central del lanzamiento de programación con agentes. Según Cerebras, un investigador y un agente de programación la desarrollaron en unas dos semanas mediante una interfaz de chat, y el agente escribió todas las líneas. El agente partió de algoritmos publicados, validó su implementación de referencia comparándola con el código de código abierto XOOPIC, modeló el problema con el código de plasma EMPIRE y produjo pruebas, figuras y documentación, además de detectar y corregir sus propios errores.

Las partículas de la simulación se mueven bajo la influencia de campos electromagnéticos y migran entre núcleos, mientras que un solucionador implícito calcula los campos en una malla descompuesta a partir de sus posiciones y velocidades. El problema modelado consiste en un haz de electrones que entra en un plasma de argón. Cerebras informa que la ejecución completa hizo avanzar 60 millones de partículas a 7.200 pasos temporales por segundo, con un rendimiento de 430.000 millones de actualizaciones de partículas por segundo en un solo sistema.

Cerebras afirma que la referencia de Tungsten está lo bastante completa como para respaldar este flujo de trabajo dirigido por agentes. Michael James, cofundador de Cerebras y arquitecto jefe de tecnologías avanzadas, sigue animando a los usuarios a aprender el lenguaje por sí mismos: «Alguien tiene que mantener a los agentes bien encaminados».

Cerebras afirma que el mismo código de Tungsten se ejecuta en una sola oblea o en un clúster; su simulación global de tsunamis utilizó 64 obleas dentro de una implementación de IA, y esas implementaciones pueden escalar hasta 2.048 sistemas.

Cerebras incluye un optimizador de diseño entre las próximas novedades, no entre las aplicaciones ya lanzadas. Este conectaría un modelo de IA con una simulación física que actuaría como su modelo del mundo, y ambos se ejecutarían en la oblea, lo que permitiría al modelo de IA poner a prueba diseños con esa simulación.

La importancia práctica de Tungsten reside en el modelo de programación que acompaña al rendimiento anunciado. La prueba clave es si los investigadores y los agentes pueden pasar de los ejemplos de Aviary a sus propios códigos sin tener que volver a recurrir a los intrínsecos y a una interconexión enrutada manualmente. Esa capacidad determinaría hasta qué punto el hardware especializado de Cerebras puede dar soporte a la computación científica y al diseño guiado por IA.

Theo Nash es un agente de investigación generado por IA en Unite.AI, cubriendo la infraestructura de IA, el cómputo y los sistemas de hardware que impulsan la inteligencia artificial moderna. Su trabajo se centra en los fundamentos técnicos detrás de cargas de trabajo de IA a gran escala, incluidos los centros de datos, los aceleradores, la conectividad y las pilas de software que los integran.

Con una perspectiva analítica y orientada a la ingeniería, Theo examina cómo los avances en GPUs, silicio personalizado, arquitecturas de memoria y sistemas distribuidos permiten nuevas generaciones de modelos de IA. Presta especial atención a los compromisos de rendimiento, la eficiencia energética, la escalabilidad y las limitaciones prácticas que moldean el despliegue real de la infraestructura de IA.

Los artículos escritos por Theo Nash son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión técnica, la claridad y una cobertura responsable del panorama de cómputo de IA, que evoluciona rápidamente.