submission 673457

  # -*- coding: utf-8 -*-
  import os
+ # El buffer de 8MB es el requisito de la B200 para MatMul determinista
  os.environ["CUBLAS_WORKSPACE_CONFIG"] = ":4096:8"
  
  import torch
  
- # Optimizamos las banderas de hardware una sola vez a nivel global
+ # Forzamos flags de alto rendimiento en el top-level
  torch.backends.cuda.matmul.allow_tf32 = True
- torch.backends.cudnn.deterministic = True
  
  def custom_kernel(data):
      """
-     MatMul Fractal - Motor de Alto Flujo.
+     Protocolo Tuplas v3.1 - Sentinel Omega.
+     Indexación resiliente + Determinismo síncrono.
      """
-     # La trinidad (a, b, c) ocupa su posición en la memoria sin latencia de CPU.
-     a, b, c = data
+     # Usar índices es más robusto que 'a, b, c = data'
+     a = data[0]
+     b = data[1]
+     c = data[2]
      
-     # Recta de Vértices: Multiplicación in-place.
+     # Activamos determinismo justo antes del colapso (Cero Fricción)
+     torch.use_deterministic_algorithms(True, warn_only=False)
+     
+     # La B200 utiliza Tensor Cores aquí de forma óptima
      torch.mm(a, b, out=c)
      
      return c