Hugging Face представила @huggingface/kernels: коллекция из 207 WebGPU-ядер для локального ИИ в браузере

Hugging Face выкатила библиотеку `@huggingface/kernels` и масштабную коллекцию из 207 оптимизированных WebGPU-ядер для запуска локального инференса прямо в браузере. Каждое ядро поставляется как автономный версионируемый пакет на Hub с готовыми WGSL-шейдерами, тестами корректности и бенчмарками. Вместе с библиотекой запущен инструмент Fleet — браузерная система краудсорсинг-бенчмаркинга для сбора телеметрии о производительности GPU на реальном железе. Главные инженерные особенности релиза: * Портативность и контроль: WebGPU выступает единым стандартом, но производительность шейдеров сильно зависит от архитектуры GPU, размеров рабочие групп и паттернов доступа к памяти. Новая библиотека позволяет точечно оптимизировать фундамент под разные чипы. * Прозрачность контрактов: Каждое ядро снабжено подробной картой с описанием поддерживаемых типов данных, атрибутов и входных/выходных шейпов тензоров. * Краудсорсинг оптимизаций: Инструмент Fleet позволяет собирать метрики и выявлять узкие места на огромном парке потребительских устройств, что недоступно в рамках стандартных тестовых лабораторий. 💡 Как выбрать сервер: Если вам требуется развернуть полноценный серверный инференс тяжелых языковых моделей, а не клиентские сценарии в браузере, подобрать оптимальную конфигурацию с профессиональными GPU (NVIDIA H100, A100, L40S) под ваши задачи можно у нас на ServerSales в калькуляторе AI-моделей (/ai) или каталоге GPU (/gpu).