Hugging Face、AIカーネル配布基盤「Kernels」を全面刷新

Hugging Faceは2026年7月6日、GPU向けカスタムカーネルの配布基盤「🤗 Kernels」の大型アップデートを公式ブログで発表した。執筆はSayak Paul氏、Daniël de Kok氏、David Holtz氏の3名で、以前の投稿「From Zero to GPU」で紹介したプロジェクトを、公開後の実運用を経てほぼ全面的に作り直したとしている。カーネルとは、モデルの実行を高速化する低レイヤーのGPUコード部品のことで、これまで配布や管理の共通ルールが整っていなかった領域という。今回の刷新では、Hub上の新しいリポジトリ形式、署名によるセキュリティ強化、AIエージェントによる開発支援など、複数の変更が同時に加えられた。

背景と詳細

Kernelsプロジェクトは、GPU向けカスタムコードのパッケージング・配布・利用方法を標準化する目的で、Hugging Faceが以前の投稿「From Zero to GPU」で紹介したものである。公開後数ヶ月の実運用を通じて課題が見えたとして、今回「プロジェクトをほぼ完全に再設計した」という。

新設された「kernel」リポジトリタイプでは、ユーザーがモデルやそれらを利用するアプリケーション全体の対応状況を横断的に把握できるようになり、発見性が高まるとしている。Hugging Face Hubで毎週リリースされるPythonライブラリの取り組みとあわせて見ると、同社がHub全体の配布基盤を継続的に整備している様子がうかがえる。あわせて、信頼済みパブリッシャー制度により、コミュニティから信頼を得た組織のみがデフォルトで公開できる仕組みとし、セキュリティ面を強化した。

今回の目玉のひとつが、AIエージェントによる開発支援だ。CLIが非インタラクティブなコマンドと出力に対応し、バックエンドごとの違いを吸収する「バックエンド固有のスキル」を提供するほか、コマンド1つでvLLM推論サーバーを起動できるHF Jobsと連携して複数のハードウェア構成でのベンチマークを自動実行し、性能結果を比較できるようにした。記事では、この新しいワークフローで開発・評価された例として、Flash Attention 3やAMD MI300向け実装が挙げられている。

そのほか、ワンクリックでの環境セットアップスクリプトや、利用方法を自動記載する「システムカード」機能、対応可否を判定するhas_kernel()関数の追加、manylinux_2_28(glibc 2.28)への対応強化なども盛り込まれた。

なぜ重要か

GPU向けの高速化コードは、これまで各プロジェクトが独自に管理・配布することが多く、再利用や検証が難しい領域だった。今回の刷新は、配布に「対応環境の可視化」と「発行元の信頼性」という2つの軸を持ち込むもので、モデルを高速化する部品を安全に選び取れる環境づくりの一歩となる。LLMやオンプレGPUを扱う開発チームにとって、PyTorch以外のフレームワークから利用できるようになった点は選択肢の広がりとして注目に値する。またAIエージェントによる開発支援は、専門性の高いGPUプログラミング領域にも自動化の波が及び始めていることを示す事例といえるだろう。こうした基盤整備の積み重ねは、Hugging Face CEOが語るオープンソースAIの重要性という同社の方針とも重なる。

今後の見通し

記事では、コード署名についてロード時の検証機能を広く展開する前にテストを重ねたいとしており、当面は段階的な導入になるとみられる。エージェントによる開発についても「まだ初期段階」としており、ワークフローは今後も変化していく可能性がある。