NVlabs abre dos piezas el mismo dia y DataHub se reescribe como capa de contexto para agentes

Tres lecturas encadenadas. (1) Conecta con la línea concept:agent-cost-efficiency que el boletín viene siguiendo: ya cubrimos gpustack (coste de inferencia) y AlexsJones/llmfit (matching modelo/hardware); SoL-Pi añade el ángulo "ahorrar tokens en el harness sin perder trabajo", y lo hace con cuatro mecanismos concretos y combinables (Action Fusion, ObservationPack, Evidence-Preserving Reducer, Online Context Compact), no con un único truco. (2) Es MIT firmando NVIDIA Labs, no la NOASSERTION propietaria típica: se puede leer el código, adoptarlo y copiar patrones a tu propio agente. (3) El framing "auto-research loops" es meta: el repo salió de un proceso automatizado de búsqueda de optimizaciones de harness, no de diseño humano top-down. La pregunta abierta para un artículo es si es la primera vez que un lab grande publica como OSS una optimización descubierta por su propio agente de investigación.

El stack GPU de la casa (CUDA) ha sido durante 15 años un jardín amurallado con C++/DSL — la cuda crate de Rust requiere FFI contra el driver. cuda-oxide demuestra que se puede hacer Rust→PTX sin DSL ni FFI: escribes Rust idiomático, el compilador genera el kernel. Es alpha (NVlabs lo dice explícitamente) y el repo lo marca como risk ligado a problem:alpha-quality, pero el pipeline Rust → Rust MIR → Pliron IR → LLVM IR → PTX es real y los examples compilan. Tres ángulos editoriales: (a) es la segunda pieza de NVlabs OSS en trending el mismo día (junto a SoL-Pi), lo que sugiere una estrategia de "NVIDIA Labs abriendo más" en esta ventana; (b) el uso de Pliron como IR intermedio es la decisión técnica interesante — un MLIR-like hecho en Rust puro evita atarse al calendario de LLVM upstream; (c) los kernels con closures genéricas (F: Fn(T) -> T + Copy) demuestran monomorfización de rustc en terreno GPU, un patrón exportable a otros "target accelerators".