--- title: "PyTorch TPU: open code, gesloten runtime" date: 2026-10-20 author: "Redactie WatisAI.nl" featured_image: "https://watisai.nl/wp-content/uploads/2026/10/pytorch-tpu-torchtpu-check.jpg" categories: - name: "AI nieuws" url: "/category/ai-nieuws.md" --- # PyTorch TPU: open code, gesloten runtime **Apache 2.0**licentie van de torch\_tpu-code **5**wheels op PyPI, allemaal Linux x86-64 **2.11–2.15**PyTorch-versies die versie 0.2.0 accepteert Google zette TorchTPU op 20 oktober 2026 open op GitHub, aangekondigd op PyTorch Conference 2026. Daarmee wordt PyTorch TPU een gewone keuze: je model gaat met `.to("tpu")` naar een Google-chip in plaats van met `.to("cuda")` naar een NVIDIA-kaart. Alleen staat er in de installatie-eisen een pakket dat niet open is. Dat pakket heet libtpu. De code van TorchTPU valt onder Apache 2.0, de runtime eronder onder de Google Cloud Platform Terms of Service. Per laag zie je wat open is en wat niet. De check laat zien of jouw opstelling past. Nieuw met dit soort termen? Begin bij [wat is AI](https://watisai.nl/). **.to(“cuda”)**Je model op een NVIDIA-kaart. **.to(“tpu”)**Hetzelfde model op een Cloud TPU van Google. De wissel die de FAQ van TorchTPU als voorbeeld geeft. ## PyTorch TPU draait op een open laag en een gesloten laag De code staat openbaar in [google-pytorch/torch\_tpu](https://github.com/google-pytorch/torch_tpu) op GitHub. De [LICENSE in de repo](https://github.com/google-pytorch/torch_tpu/blob/main/LICENSE) zet alle bestanden onder Apache 2.0. Eén map wijkt af: `examples/mingpt/impl` valt onder MIT, met copyright van Andrej Karpathy uit 2020. Je mag de code dus lezen, aanpassen, forken en zelf een wheel bouwen met Bazel. Maar [pyproject.toml](https://github.com/google-pytorch/torch_tpu/blob/main/pyproject.toml) eist `libtpu>=0.0.50`. Op de PyPI-pagina van libtpu (gelezen op 20 oktober 2026) staat als licentie letterlijk “Google Cloud Platform Terms of Service” en als omschrijving “Google Cloud TPU runtime library.” Die laag gaat bij elke installatie van TorchTPU mee. **Open: torch\_tpu**Apache 2.0. ATen-kernels, compilatiecache, voorbeelden. Zelf te bouwen en te forken. **Niet open: libtpu**Google Cloud Platform Terms of Service. De runtime die met de TPU praat. Licenties zoals ze in de repo en op PyPI staan, gelezen op 20 oktober 2026. Bronnen: LICENSE en pyproject.toml van google-pytorch/torch\_tpu, PyPI-pagina van libtpu. ## Een project uit maart, een pakket van gisteren TorchTPU is geen project van vandaag. Volgens de GitHub-API is de repo op 9 maart 2026 aangemaakt. Unite.AI (20 oktober 2026) schrijft dat Google het project op 7 april 2026 voor het eerst publiek liet zien in een blog. Het pakket `torch-tpu` 0.2.0 kwam op 19 oktober 2026 op PyPI, een dag voor de aankondiging. De [FAQ in de repo](https://github.com/google-pytorch/torch_tpu/blob/main/docs/faq.md) is duidelijk over de voorganger: “PyTorch/XLA is deprecated and replaced by TorchTPU”. Volgens Google Cloud (blog van 20 oktober 2026) is TorchTPU samen met het PyTorch-team van Meta gebouwd. 1. **9 maart 2026**Repo google-pytorch/torch\_tpu aangemaakt (GitHub-API) 2. **7 april 2026**Eerste publieke blog over TorchTPU (volgens Unite.AI) 3. **19 oktober 2026**torch-tpu 0.2.0 op PyPI 4. **20 oktober 2026**Aankondiging op PyTorch Conference 2026 Tijdlijn uit de GitHub-API, de PyPI-uploadtijden en de berichtgeving van 20 oktober 2026. ## Vijf wheels, één besturingssysteem Op PyPI staan voor versie 0.2.0 vijf bestanden: voor CPython 3.11, 3.12, 3.13, 3.14 en de free-threaded 3.14t. Alle vijf hebben het label `manylinux_2_31_x86_64`. Dat betekent Linux op een x86-64-processor met glibc 2.31 of nieuwer. Voor macOS, Windows of ARM staat er niets. Elk wheel pint PyTorch op `torch>=2.11.0,<=2.15.0`. Opvallend detail: libtpu 0.0.50 heeft al wheels voor Python 3.15, torch\_tpu 0.2.0 niet. Op hardware noemt de FAQ v5e, v5p, Trillium (TPU v6e) en Ironwood (TPU v7x). De handleiding voor een TPU-VM zegt dat je via GKE moet voor de nieuwste TPU-hardware. **Besturingssysteem**Alleen Linux, x86-64, glibc 2.31 of nieuwer **Python**3.11, 3.12, 3.13, 3.14 en 3.14t **PyTorch**2.11.0 tot en met 2.15.0 **Chip**TPU v5e, v5p, v6e of v7x in Google Cloud Eisen volgens de metadata van de vijf wheels op PyPI en de FAQ in de repo, 20 oktober 2026. Geen eigen TPU-test. ## Past TorchTPU 0.2.0 op jouw opstelling? Kies je systeem, Python, PyTorch en hardware. De check vergelijkt dat met de officiële metadata van versie 0.2.0. Hij rekent in je browser, installeert niets en test niets op een echte TPU. TorchTPU 0.2.0-check · rekent in je browser **TorchTPU 0.2.0-check** BesturingssysteemLinuxmacOSWindowsProcessorx86-64 (Intel of AMD)ARM64 (Apple-chip, Graviton, Ampere)Python-versie3.10 of ouder3.113.123.133.143.14t (free-threaded)3.15PyTorch-versie2.10 of ouder2.112.122.132.142.15nieuwer dan 2.15Waar ga je rekenen?Cloud TPU v6e (Trillium)Cloud TPU v7x (Ironwood)Cloud TPU v5eCloud TPU v5pCloud TPU v4 of ouderNVIDIA-GPUAlleen CPU of laptopControleer mijn opstellingBegin opnieuw Nog niets gecontroleerd. Kies je opstelling en klik op de knop. Voor deze check is JavaScript nodig. Vergelijk anders zelf met de vier eisen hierboven. De check leest de eisen van versie 0.2.0. In de repo staat op `main` al versie 0.2.1 in pyproject.toml; een volgende release kan de pins verschuiven. ## Open source zonder open stopcontact TorchTPU open noemen klopt voor de code, niet voor de hele keten. Je hebt een Google-runtime nodig onder Google-voorwaarden, en een Cloud TPU van Google om op te rekenen. Wie vandaag “open source” leest en denkt aan een stack die je ergens anders kunt draaien, krijgt dat niet. Dat verschil kennen we van modellen: open gewichten zijn nog geen open trainingsdata, zoals bij [Meta’s Muse Glimmer](https://watisai.nl/meta-muse-glimmer-open-model). Muse Glimmer 30B staat trouwens in de TorchTitan-recepten die Google noemt. Het algemene onderscheid lees je in [open source versus gesloten AI-modellen](https://watisai.nl/open-source-vs-gesloten-ai). **Je modelcode**Gewone PyTorch. Draait ook op GPU of CPU. **TorchTPU**Apache 2.0, open en te forken. **libtpu en de chip**Google-voorwaarden, alleen in Google Cloud. Drie lagen, drie keer andere voorwaarden. Bron: repo, PyPI en de FAQ van TorchTPU, 20 oktober 2026. ## Lock-in roepen is hier ook te makkelijk Het zwakke punt van ons eigen argument: je code zit juist minder vast dan vroeger. Volgens de FAQ was PyTorch/XLA “heavily dependent on JAX runtime components and specialized APIs”. Met TorchTPU blijft je model gewone PyTorch. Dezelfde code gaat morgen terug naar een GPU zonder herschrijven. De afhankelijkheid zit dus in de rekenuren, niet in je broncode. En de prestatiecijfers komen van Google zelf: tot 52% Model Flops Utilization op Qwen 3 8B en bijna lineair schalen tot 8.192 Ironwood-TPU’s. Een onafhankelijke meting staat er niet naast. Hoe zo’n model werkt, lees je bij [large language models](https://watisai.nl/large-language-models) en [machine learning](https://watisai.nl/machine-learning). **Claim van Google**Tot 52% MFU op Qwen 3 8B, schaalbaar tot 8.192 Ironwood-TPU’s. **Wat ontbreekt**Een meting door een partij die geen TPU-uren verkoopt. Cijfers uit de Google Cloud-blog van 20 oktober 2026. Wij draaiden zelf geen TPU-test. ## Eerst de pins, dan pas de TPU-uren 1. Zet in je project `python --version` en `pip show torch` naast de check hierboven. 2. Valt PyTorch buiten 2.11.0 tot en met 2.15.0, regel dat eerst lokaal op een CPU-build. 3. Lees de voorwaarden waaronder libtpu op PyPI staat voordat je een begroting maakt. Pas als die drie kloppen heeft het zin om TPU-uren door te rekenen tegen je huidige GPU-rekening. **Python**3.11 tot en met 3.14t **PyTorch**2.11.0 tot en met 2.15.0 **libtpu**Google Cloud Platform Terms of Service De drie dingen om na te lopen, uit de metadata van torch-tpu 0.2.0. ## De volgende release zegt meer dan deze aankondiging In de lijst met toekomstig werk staan TPU v8i en v8t als korte termijn. Komt er een wheel voor ARM of een pin die PyTorch 2.16 toelaat, dan groeit TorchTPU echt uit tot een gewone PyTorch-backend. Blijft libtpu onder dezelfde Google-voorwaarden, dan blijft de open code een ingang tot één winkel. 1. **0.2.0**Op PyPI sinds 19 oktober 2026 2. **0.2.1**Staat al in pyproject.toml op main 3. **v8i en v8t**Op de lijst voor de korte termijn Bron: PyPI, pyproject.toml en feature\_set.md in de repo, 20 oktober 2026. ## Vijf wheels, alle vijf voor Linux Controleer je Python- en PyTorch-versie tegen versie 0.2.0 voordat je TPU-uren gaat doorrekenen. [Naar de TorchTPU-check](#torchtpu-check)