Google a annoncé TPU 8tx et TPU 8i Max le 9 novembre 2026. Google positionne le 8tx pour l’inférence confidentielle et l’entraînement à petite échelle ; le 8i Max réunit deux puces TPU 8i pour les charges à grand contexte et une densité de calcul accrue par rack. La différence tient donc d’abord au besoin d’infrastructure visé par chaque configuration. L’annonce de Google présente ces systèmes après l’introduction des TPU 8t et TPU 8i à Cloud Next, en avril 2026.
Deux configurations pour deux contraintes différentes
Le TPU 8tx reprend le silicium du TPU 8t, mais Google le destine au calcul confidentiel. Cette approche vise à protéger et isoler les données sensibles et les poids du modèle pendant leur utilisation, selon Google. Le système associe ce silicium à des hôtes équipés de processeurs AMD EPYC de 5e génération et au réseau Boardfly, conçu pour une faible latence.
Google le présente aussi pour l’ajustement fin sur des données privées, la distillation de modèles et l’entraînement d’agents par apprentissage par renforcement, sur un même système. L’intérêt annoncé est de garder ces travaux dans le domaine de calcul confidentiel plutôt que de déplacer les données sensibles entre des grappes distinctes. Google revendique jusqu’à deux fois moins de latence que le TPU 8t, avec une pénalité de performance presque nulle.
Le TPU 8i Max répond à une autre contrainte : la capacité à traiter des contextes étendus. Il combine deux puces TPU 8i dans un même module. Google affirme que cette configuration double la puissance de calcul, la SRAM — une mémoire rapide intégrée à la puce — et la bande passante HBM, la mémoire à large bande passante, par rapport à un TPU 8i. Google indique également qu’elle fait tenir deux fois plus de silicium dans l’empreinte de rack existante.
Pour choisir entre les deux, partez de la contrainte dominante : la confidentialité des données pour le TPU 8tx, ou le calcul et la bande passante mémoire pour le TPU 8i Max.
Ces objectifs et gains sont ceux avancés par Google. Le doublement de la bande passante ou de la puissance de calcul ne signifie pas que toutes les charges fonctionneront deux fois plus vite : le résultat dépend aussi du travail exécuté.
Ce qui distingue le TPU 8tx du TPU 8i Max
| Configuration | Conception décrite par Google | Usage visé par Google |
| TPU 8tx | Même silicium que le TPU 8t, hôtes AMD EPYC de 5e génération et réseau Boardfly | Inférence confidentielle et entraînement à petite échelle |
| TPU 8i Max | Deux puces TPU 8i réunies ; puissance de calcul, SRAM et bande passante HBM annoncées comme doublées par rapport à un TPU 8i | Charges à grand contexte et densité de calcul accrue par rack |
Le choix dépend donc moins d’un classement général que de la limite à lever dans une infrastructure donnée. Le TPU 8tx met l’accent sur l’exécution de calculs sensibles dans un environnement confidentiel ; le 8i Max mise sur les ressources de calcul et de mémoire pour des charges qui sollicitent de grands contextes.
Les outils logiciels annoncés autour des TPU
Google a également décrit un ensemble d’outils destiné à l’écosystème logiciel. TorchTPU, présenté comme open source, permet selon l’entreprise d’exécuter nativement sur ses TPU du code PyTorch et des modèles Hugging Face. Google mentionne aussi des interfaces prêtes à l’emploi pour vLLM et SGLang.
La suite d’agents TPU, encore en aperçu, s’intègre à Claude Code, Cursor et Google Antigravity pour l’installation, le diagnostic et l’optimisation des noyaux de calcul. XLA Serving Engine vise le service à faible latence sur TPU, GPU et CPU ; Agent Compute Engine permet de suspendre puis de reprendre les sessions d’agents inactives.
TPU Sync gère les déplacements de l’état des modèles entre la HBM, la mémoire vive des hôtes, le stockage partagé et le réseau du centre de données. Google affirme que l’outil peut réduire de plus de 90 % la latence de transfert des caches clé-valeur et le délai avant le premier jeton. L’entreprise indique enfin que Cloud Pathways et le découpage dynamique de GKE sont disponibles de manière générale.