Google anunció TPU 8tx y TPU 8i Max el 9 de noviembre de 2026 y los presentó para necesidades distintas: 8tx apunta a la computación confidencial y al entrenamiento a pequeña escala; 8i Max combina dos chips TPU 8i para cargas de gran contexto y más capacidad de cálculo por rack. El anuncio amplió la familia de octava generación que Google había iniciado con TPU 8t y TPU 8i en abril de 2026. Google detalló ambas configuraciones y el software asociado.
La diferencia práctica está en la necesidad que limita el trabajo: mantener los datos protegidos durante el procesamiento o disponer de más capacidad de cálculo y ancho de banda para cargas de gran contexto.
Dos configuraciones para necesidades distintas
| Configuración | Diseño descrito por Google | Trabajo al que Google la orienta |
| TPU 8tx | Usa el mismo silicio que TPU 8t, hosts con procesadores AMD EPYC de quinta generación y la red Boardfly. | Inferencia confidencial y entrenamiento a pequeña escala. |
| TPU 8i Max | Combina dos chips TPU 8i en un solo encapsulado. | Cargas de gran contexto y mayor densidad de cálculo por rack. |
Google afirma que TPU 8tx mantiene protegidos y aislados los datos sensibles y los pesos de los modelos mientras se usan. La compañía también lo describe como adecuado para ajustar modelos con datos privados, destilar modelos y entrenar agentes mediante aprendizaje por refuerzo en un mismo sistema, sin trasladar esos datos entre clústeres separados.
Para TPU 8tx, Google afirma además que la latencia puede ser hasta dos veces menor que en TPU 8t, con una penalización de rendimiento cercana a cero. La comparación es una afirmación de la empresa, no un resultado independiente. La combinación del mismo silicio de TPU 8t con hosts AMD EPYC de quinta generación y la red Boardfly distingue la configuración; la elección cobra sentido cuando la confidencialidad durante el procesamiento es un requisito del trabajo.
En TPU 8i Max, el cambio es de escala dentro del paquete: Google afirma que duplica el cómputo, la memoria SRAM y el ancho de banda de HBM frente a un TPU 8i, y que incorpora el doble de silicio en el espacio de rack existente. HBM es memoria de alto ancho de banda; SRAM es memoria estática integrada en el acelerador. Más ancho de banda puede ayudar a mover datos con mayor rapidez, pero no significa que cualquier aplicación vaya a ejecutarse el doble de rápido. El beneficio depende de que la carga aproveche ese recurso.
El software también forma parte del anuncio
Google describió herramientas para varios puntos de la puesta en marcha y operación de sus TPU. TorchTPU, que la empresa presenta como código abierto, permite ejecutar código de PyTorch y modelos de Hugging Face de forma nativa en TPU. Google también mencionó backends de TPU para vLLM y SGLang, y una suite de agentes para desarrolladores, todavía en vista previa, que se integra con Claude Code, Cursor y Google Antigravity para tareas de incorporación, diagnóstico y ajuste de kernels.
Para servir modelos, XLA Serving Engine está diseñado para trabajar con TPU, GPU y CPU. Agent Compute Engine permite suspender y reanudar sesiones de agentes inactivas. TPU Sync gestiona el movimiento del estado del modelo entre HBM, la memoria DRAM del host, el almacenamiento compartido y la red del centro de datos. Google afirma que TPU Sync puede reducir en más de un 90 % la latencia de transferencia de KV y el tiempo hasta el primer token; esa cifra es una afirmación de la compañía.
En el mismo anuncio, Google calificó Cloud Pathways y GKE dynamic slicing como disponibles de forma general. La variedad de herramientas ofrece a los equipos de infraestructura más contexto para valorar el entorno de software junto con el hardware, aunque la lista de integraciones no implica que cualquier carga de trabajo pueda migrarse sin ajustes.