La plataforma Hugging Face ha anunciado una renovación integral de su proyecto Kernels, una iniciativa diseñada para estandarizar el empaquetado, la distribución y el consumo de kernels personalizados en el ecosistema de inteligencia artificial. Con el objetivo de ofrecer un entorno más eficiente y seguro, la compañía ha introducido una nueva categoría de repositorios denominada "kernel". Esta estructura permite a los usuarios identificar con mayor precisión qué aceleradores, sistemas operativos y versiones de backend son compatibles con un componente específico, facilitando así su descubrimiento y uso dentro de la plataforma.

La seguridad ha sido uno de los pilares fundamentales de esta actualización, dado que los kernels ejecutan código nativo con los mismos privilegios que el proceso de Python que los carga. Para mitigar riesgos, Hugging Face ha implementado un sistema de "editores de confianza" (trusted publishers). Por defecto, el paquete de kernels solo cargará aquellos desarrollados por organizaciones validadas. Si un usuario desea emplear un kernel de una fuente externa no verificada, deberá habilitar explícitamente el parámetro de confianza. Adicionalmente, se ha integrado la firma de código mediante Sigstore y su herramienta cosign, utilizando claves efímeras para proteger la integridad del software incluso en escenarios de compromiso de credenciales.

En cuanto a la experiencia de desarrollo, se ha llevado a cabo una reestructuración de las interfaces de línea de comandos (CLI). Ahora existe una separación clara entre las herramientas de carga y preparación de kernels y aquellas destinadas a su construcción, lo que resulta en utilidades más ligeras y específicas. Este cambio no es meramente organizativo, sino que prepara el terreno para el desarrollo de "kernels agénticos". Bajo esta visión, los agentes de IA pueden automatizar el proceso de creación, construcción, evaluación y optimización iterativa de kernels, utilizando una estructura de proyecto predecible y comandos optimizados para la interpretación programática.

El soporte para frameworks y backends también ha experimentado una expansión significativa. Se ha añadido compatibilidad con la interfaz binaria estable (Stable ABI) de PyTorch, permitiendo que los desarrolladores apunten a versiones específicas de Torch con una vigencia de aproximadamente dos años. Asimismo, se ha incorporado Apache TVM FFI, un estándar que facilita la interoperabilidad entre diferentes marcos de trabajo como Jax y CuPy, permitiendo que un mismo kernel funcione en diversos entornos.

Para mejorar la usabilidad, se han introducido scripts de instalación simplificados y guías de infraestructura mediante Terraform. Además, cada kernel ahora incluye una "tarjeta de sistema" (system card) que detalla sus interfaces y modos de uso. Los desarrolladores también cuentan con nuevas funciones para verificar la compatibilidad de un kernel con su sistema local antes de la ejecución, evitando errores de configuración. Finalmente, se ha optimizado el soporte para manylinux_2_28, pasando a un enlace dinámico de libstdc++ para prevenir corrupciones de datos y fallos de segmentación, garantizando así una mayor estabilidad en entornos de producción.