AMD ha publicado ROCm 10, la nueva versión principal de su plataforma abierta de computación para GPU. El lanzamiento llega diez años después de ROCm 1.0 y salta directamente desde la rama 7.14 hasta la versión 10. La numeración marca ese aniversario, mientras que el cambio técnico se apoya en una reorganización del SDK y en la disponibilidad general de ROCm.AI.
Ahí se encuentra la diferencia frente a la presentación realizada en julio durante Advancing AI 2026. Entonces AMD enseñó Hyperloom, FlyDSL y sus flujos de optimización mediante agentes, y situó su llegada en agosto. Ahora el software se distribuye con ROCm 10, las AMD Skills han alcanzado sus canales públicos y aparece una interfaz unificada para instalar, diagnosticar y operar cargas de IA.
ROCm.AI pasa de la presentación a la disponibilidad general
ROCm.AI agrupa Hyperloom, AMD Skills y ROCm CLI con el propósito de reducir el trabajo manual al preparar un entorno, servir un modelo, localizar problemas y optimizar una carga. Parte de estas funciones ya se conocían, pero su estado y distribución han cambiado con el lanzamiento.
Las AMD Skills mostradas en julio ya están disponibles en los catálogos de Claude Code, Codex y Cursor, además de un repositorio abierto. Cubren flujos para IA local, integración de aplicaciones, diagnóstico, perfilado y trabajo con servidores Instinct y procesadores EPYC.
Hyperloom amplía su alcance entre las GPU Instinct y puede trabajar con vLLM y SGLang. Sus optimizaciones abarcan código HIP, Triton y FlyDSL, con informes que distinguen entre mejoras medidas y estimadas cuando el agente modifica kernels, planificación o gestión de memoria.
ROCm CLI administra entornos paralelos y permite volver atrás
La novedad más práctica es ROCm CLI, presentada todavía como Technology Preview. Se distribuye como binario precompilado para Windows y Linux y puede instalarse sin disponer previamente de ROCm. Desde una misma interfaz permite inspeccionar el sistema, preparar entornos, servir modelos, ejecutar diagnósticos, actualizar componentes y controlar runtimes.
La herramienta admite varias versiones en paralelo, con activación y reversión de entornos. Así es posible probar una actualización sin sustituir inmediatamente la instalación utilizada en producción. Los flujos también pueden ejecutarse desde un agente de programación o mediante integración continua.
Los adaptadores iniciales cubren Lemonade en determinados equipos cliente y vLLM para servidores Instinct. Hay una limitación temporal importante: la experiencia independiente de versión comienza con ROCm 7.13 y AMD indica que el soporte oficial de ROCm 10 en la CLI llegará próximamente. El SDK ya se ha publicado, pero esta herramienta continúa en fase preliminar.
ROCm Console vigila la GPU, la memoria HBM y el consumo
La CLI incorpora ROCm Console, el componente anteriormente llamado Dash. Su panel muestra el estado del runtime, los modelos servidos, la utilización de las GPU y, en sistemas Instinct compatibles, memoria HBM, consumo y tokens por vatio.
ROCm 10 utiliza TheRock como sistema de compilación y publicación. Esta infraestructura alcanzó la fase de producción con ROCm 7.14 y ahora sustenta la distribución completa, con una separación más clara de los componentes del ROCm Core SDK.
La actualización incorpora nuevas versiones de bibliotecas, compiladores, perfiladores y motores de inferencia. La matriz oficial recoge PyTorch 2.13, JAX 0.11, vLLM 0.27, SGLang 0.5.15, TensorFlow 2.21, MIGraphX 2.17 y ONNX Runtime 1.29, aunque la compatibilidad cambia con el sistema operativo y la GPU.
ROCm 10 añade soporte para las Radeon RX 9050 y amplía varias configuraciones de virtualización con aceleradoras Instinct. También mejora el análisis Roofline en Strix Point, Strix Halo, Gorgon Halo y Krackan Point. AMD recomienda revisar la matriz de cada framework, pues el soporte general de un dispositivo no implica que todas las herramientas funcionen sobre él.
AMD vuelve a citar una mejora media de 3,3 veces en inferencia y de 2,4 veces en entrenamiento frente a ROCm 7. Estas cifras ya acompañaron a la presentación de ROCm.AI y no describen una aceleración universal obtenida al instalar ROCm 10.
La prueba de inferencia utilizó ocho Instinct MI355X y comparó ROCm 7 con una configuración preliminar de ROCm.AI basada en ROCm 7.2.2. El promedio reunió GLM-5, Kimi-K2.5 y DeepSeek-R1. El ensayo de entrenamiento empleó la misma clase de plataforma con DeepSeek-V2-Lite, DeepSeek-V3-16B y Qwen3-30B-A3B. Los resultados pueden variar con el modelo, los controladores y el motor de ejecución.
La versión llega con varios problemas conocidos
Las notas de publicación recogen cierres en determinadas cargas vLLM o ComfyUI sobre algunos Ryzen AI. También citan posibles reinicios de GPU al entrenar con PyTorch en ciertas Radeon y un error de importación de hipSPARSE con TensorFlow ROCm 2.21 instalado mediante paquetes de Python.
La base del SDK ya está disponible, mientras que ROCm CLI permanece como vista previa tecnológica y todavía espera su compatibilidad oficial con ROCm 10. Esa combinación entre lanzamiento estable y herramientas aún preliminares es el principal matiz de la nueva versión.
Fin del Artículo. ¡Cuéntanos algo en los Comentarios!
