Nvidia opent twee Rust-paden voor CUDA; OpenVINO krijgt MTP en nieuwe NPU-paden

Nvidia heeft twee paden aangekondigd om CUDA-kernels in Rust te schrijven; dat verlaagt mogelijk de taalbarrière, maar haalt de vendorbinding niet weg. Intel breidt OpenVINO tegelijk uit met speculative decoding, nieuwe modellen en NPU-functionaliteit. Voor agentbouwers zijn er een audit-skill en een mobiele praktijktest die vooral de resterende grenzen zichtbaar maken.

Nvidia brengt CUDA-kernels naar Rust

Nvidia kondigt native GPU-programmeren in Rust aan, met twee routes voor het schrijven van CUDA-kernels. Dat is relevant voor Rust-projecten die nu voor custom GPU-werk alsnog C++/CUDA moeten toevoegen.

De beschikbare discussie tempert het enthousiasme terecht: minstens één route is pre-1.0 en vraagt nightly Rust; onder de motorkap blijft dit CUDA. Het is dus geen portable alternatief voor Vulkan, WebGPU of andere GPU-stacks, maar een nieuw ontwikkelpad voor teams die bewust op Nvidia draaien. Nvidia-aankondiging · HN-discussie

OpenVINO 2026.4 voegt MTP en meer lokale modelpaden toe

OpenVINO 2026.4 noemt ondersteuning voor onder meer Qwen3.8-27B, Gemma 4, Qwen3-VL-4B, Qwen3-ASR en verschillende audio- en visionmodellen. OpenVINO GenAI krijgt bovendien multi-token-prediction speculative decoding voor Gemma 4, Qwen 3.5 en Qwen 3.6 op CPU en GPU; Intel noemt ook DFlash voor Qwen op GPU als preview.

Voor Intel-hardware is vooral de verbreding naar NPU interessant: de release noemt onder meer Flux.2-Klein 4B op NPU, bounded dynamic shapes voor bepaalde visionworkloads en ITT-profiling over CPU, GPU en NPU. Dit zijn releaseclaims, geen onafhankelijke snelheidsmeting; controleer dus de ondersteunde hardware en modelvariant vóór je een bestaande inferenceketen vervangt. Release notes · overzicht

Cloudflare publiceert een security-audit-skill voor coding agents

Cloudflare heeft een open-source Security Audit Skill gepubliceerd: een herbruikbare instructie- en workflowlaag om een agent code op beveiligingsproblemen te laten nalopen. Dat is praktisch voor teams die niet bij iedere repository vanaf nul een auditprompt, scope en rapportagevorm willen bedenken. Repository · HN-discussie

Zie zo’n skill niet als scanner met garanties. De kwaliteit hangt nog steeds af van bereik, taal, beschikbare tests en het model; gegenereerde bevindingen moeten worden gereproduceerd en beoordeeld. De HN-discussie wijst daarnaast op een operationeel risico: een grote verzameling skills kan zelf context kosten en verdient dus selectieve inzet.

Qwen-agent haalt 56,7% in fysieke Android-test

De maker van benchmark AndroidLife rapporteert dat Qwen3.8-27B in tekstmodus 34 van 60 echte telefoontaken afrondde op een OnePlus: 56,7%. De run zou gemiddeld 29,25 stappen en ongeveer zes minuten per taak kosten, 69% batterij verbruiken en een piektemperatuur van 98,2°C halen.

Interessanter dan de score is waar het stukloopt: losse apphandelingen gingen volgens de auteur vaker goed dan ketens over drie apps; bij taken waarvoor een onbekend feit nodig was, vroeg de agent slechts twee keer om input. De benchmark beoordeelt apparaatstatus in plaats van de eigen tekstuele claim van het model, wat een nuttige keuze is. Maar het blijft één run, één toestel en een benchmark van de maker zelf — geen algemene uitspraak over Qwen of mobiele agents. Test en leaderboard

Verder nog

• Chunking blijft een RAG-keuze, ook met lange embeddingcontext: Manticore Search beschrijft chunking binnen vector search. In de korte HN-draad zit de belangrijke nuance: een groter embeddingvenster voorkomt een deel van de 512-tokenproblemen, maar één vector voor een lang document kan onderwerpen juist samenvegen. Meet daarom chunkgrootte, overlap en retrieval op je eigen corpus; er is geen universele stand-instelling. HN-discussie