Google kündigte am 9. November 2026 TPU 8tx und TPU 8i Max an. Die beiden Konfigurationen der achten TPU-Generation richten sich an unterschiedliche Engpässe: 8tx an vertrauliche Inferenz und kleinere Trainingsaufgaben, 8i Max an rechenintensive Anwendungen mit großen Kontexten. Google beschreibt beide Systeme und die begleitenden Softwarewerkzeuge in seiner Ankündigung.
TPU 8t und TPU 8i hatte Google bereits im April 2026 auf der Cloud Next vorgestellt. Mit 8tx und 8i Max erweiterte das Unternehmen die Generation um zwei weitere Systemkonfigurationen.
Zwei Systeme für unterschiedliche Infrastrukturaufgaben
| Konfiguration | Aufbau | Von Google genannter Einsatzzweck |
| TPU 8tx | Dasselbe Silizium wie TPU 8t, kombiniert mit AMD-EPYC-Hosts der fünften Generation | Vertrauliche Inferenz und Training in kleinerem Maßstab |
| TPU 8i Max | Zwei TPU-8i-Chips in einem Paket | Große Kontextfenster und höhere Rechendichte pro Rack |
Bei TPU 8tx setzt Google auf vertrauliche Datenverarbeitung: Laut Unternehmen bleiben sensible Daten und Modellgewichte während der Verarbeitung geschützt und isoliert. Die Konfiguration nutzt außerdem das Netzwerk Boardfly, das Google mit geringer Latenz für Echtzeit-Inferenz beschreibt. Als mögliche Aufgaben nennt das Unternehmen die Feinabstimmung mit privaten Daten, Destillation und das Training von Agenten mit bestärkendem Lernen auf einem System.
Google gibt für TPU 8tx eine bis zu doppelt so niedrige Latenz wie bei TPU 8t an und spricht von nahezu keiner Leistungseinbuße. Das ist eine Herstellerangabe, kein allgemeines Versprechen für jede Arbeitslast.
TPU 8i Max verbindet dagegen zwei TPU-8i-Chips in einem Paket. Google zufolge verdoppelt sich gegenüber einem einzelnen TPU 8i jeweils die Rechenleistung, der SRAM und die HBM-Bandbreite. SRAM ist ein besonders schneller Speicher direkt auf dem Chip; HBM steht für Speicher mit hoher Bandbreite. Google ordnet die Konfiguration Anwendungen mit sehr großen Kontextfenstern und hoher Rechendichte im Rack zu. Mehr Bandbreite ist dabei nicht automatisch gleichbedeutend mit einer Verdopplung der Geschwindigkeit jeder Anwendung.
Für die Einordnung zählt der Engpass: 8tx ist auf vertrauliche Verarbeitung ausgerichtet, 8i Max auf mehr Rechen- und Speicherbandbreite für große Kontexte.
Google kündigte auch Softwarewerkzeuge für TPUs an
Mit TorchTPU beschreibt Google einen quelloffenen Weg, PyTorch-Code und Modelle von Hugging Face nativ auf TPUs auszuführen. Für vLLM und SGLang nennt das Unternehmen TPU-Backends, die direkt verfügbar seien. Eine TPU-Agenten-Suite für Claude Code, Cursor und Google Antigravity stellte Google als Vorschau vor; sie soll beim Einstieg, bei der Diagnose und beim Optimieren von Kerneln helfen.
Weitere angekündigte Werkzeuge zielen auf den Betrieb: Die XLA Serving Engine soll Inferenz mit geringer Latenz auf TPUs, GPUs und CPUs ermöglichen. Die Agent Compute Engine ist für das Anhalten und Fortsetzen inaktiver Agentensitzungen vorgesehen. TPU Sync verwaltet laut Google den Transport von Modellzuständen zwischen HBM, Host-DRAM, gemeinsamem Speicher und dem Rechenzentrumsnetzwerk. Google zufolge kann TPU Sync die Latenz für KV-Übertragungen und die Zeit bis zum ersten Token um mehr als 90 Prozent senken.
Cloud Pathways und GKE dynamic slicing bezeichnete Google in der Ankündigung als allgemein verfügbar. Damit umfasst die Vorstellung neben den beiden Hardwarekonfigurationen auch Werkzeuge für Entwicklung, Serving und den Betrieb von TPU-Arbeitslasten.