Google apresenta TPU 8tx e TPU 8i Max para cargas distintas

Em 9 de novembro de 2026, o Google anunciou dois sistemas TPU de oitava geração para cargas de trabalho diferentes: o TPU 8tx mira a inferência confidencial, enquanto o TPU 8i Max foi projetado para tarefas com contextos longos e alta densidade de computação. São configurações baseadas em silício TPU existente, não dois projetos de chip inteiramente novos. Google

Duas configurações para gargalos diferentes

Inferência é o uso de um modelo já treinado para produzir respostas ou resultados. No TPU 8tx, o Google combina o mesmo silício do TPU 8t com hosts de CPU AMD EPYC de 5ª geração e a rede Boardfly. A empresa o destina à inferência confidencial e também a treinamentos de menor escala. Segundo o Google, o sistema protege dados sensíveis e pesos dos modelos durante o processamento.

O TPU 8i Max segue outra estratégia: reúne dois chips TPU 8i em um único pacote. O Google o direciona a cargas com janelas de contexto muito extensas, como agentes que trabalham com bases de código inteiras ou horas de vídeo, e descreve contextos na escala de milhões de tokens.

A diferença prática está no gargalo que cada sistema pretende atender: o 8tx combina processamento confidencial com a configuração do 8t; o 8i Max reúne mais recursos de computação e memória para cargas maiores. O anúncio, publicado por Amin Vahdat, executivo do Google, também descreve o 8t como voltado a treinamento em grande escala e o 8i como voltado a raciocínio em tempo real. Com as duas novidades, a geração passa a ter quatro sistemas.

Mais recursos não significam automaticamente o dobro de velocidade

O Google afirma que o TPU 8i Max dobra computação, SRAM e largura de banda HBM em relação ao TPU 8i. Essas proporções descrevem recursos do sistema, mas não garantem que qualquer aplicativo termine uma tarefa duas vezes mais rápido: o resultado depende da carga executada.

Para avaliar um caso real, uma análise da S5 Labs recomenda comparar a mesma qualidade do modelo, o mesmo tamanho de contexto e níveis equivalentes de concorrência. Também são úteis métricas como o tempo até o primeiro token, a velocidade de geração, o pico de memória e o custo total. S5 Labs

A afirmação de latência do TPU 8tx também tem um comparativo definido: o Google diz que ela pode ser até 2x menor que a do TPU 8t, com penalidade de desempenho quase zero. É uma alegação da empresa sobre esse sistema e esse modelo de referência, não uma medida para o TPU 8i Max.

Ao comparar aceleradores, observe o desempenho da carga que você realmente executa; proporções de hardware, sozinhas, não dizem quanto tempo um aplicativo vai economizar.

O software amplia o contexto da plataforma TPU

Junto dos sistemas, o Google apresentou ferramentas para operar e servir modelos. A suíte de agentes para TPU está em prévia e foi concebida para ajudar na integração, no diagnóstico de gargalos e no ajuste de kernels, inclusive com ferramentas de programação como Claude Code, Cursor e Google Antigravity. Já o mecanismo de serving XLA é de código aberto e permite treinar em Python e servir modelos por um ambiente C++ de baixa latência em TPUs, GPUs e CPUs.

O Agent Compute Engine suspende e retoma sessões de agentes ociosas. O TPU Sync organiza HBM, memória DRAM do host, armazenamento compartilhado e rede em uma hierarquia de memória; o Google afirma que o recurso reduz em mais de 90% a latência de transferência de KV e o tempo até o primeiro token. A empresa também informou que Cloud Pathways e o fatiamento dinâmico do GKE estão disponíveis de forma geral e atribuiu a este último inicializações de tarefas até 5x mais rápidas e recuperação de falhas até 4,5x mais rápida. Google

O Google afirma que seu negócio de TPU atende quase 100 clientes no total, incluindo empresas e universidades, e que alguns instalam TPUs em seus próprios centros de dados; esse número se refere à operação de TPU como um todo, não especificamente aos sistemas 8tx e 8i Max.