Het Nederlandse AI-handboek Nederland & België Bijgewerkt 3 november 2026

WatisAI.nl

AI uitgelegd in gewone taal — zonder hype, zonder bangmakerij.

Home · AI nieuws

PyTorch TPU: open code, gesloten runtime

PyTorch TPU via TorchTPU: de code is Apache 2.0, de runtime libtpu valt onder Google-voorwaarden. Check of je Python, PyTorch en hardware passen.

Naar de TorchTPU-check

Door Redactie WatisAI.nl ·

Illustratie van twee ontwikkelaars bij een serverkast: open code aan de ene kant, een afgesloten runtime en gehuurde TPU-borden aan de andere
Apache 2.0licentie van de torch_tpu-code
5wheels op PyPI, allemaal Linux x86-64
2.11–2.15PyTorch-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.

.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 op GitHub. De LICENSE in de repo 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 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 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 2026Repo google-pytorch/torch_tpu aangemaakt (GitHub-API)
  2. 7 april 2026Eerste publieke blog over TorchTPU (volgens Unite.AI)
  3. 19 oktober 2026torch-tpu 0.2.0 op PyPI
  4. 20 oktober 2026Aankondiging 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.

BesturingssysteemAlleen Linux, x86-64, glibc 2.31 of nieuwer
Python3.11, 3.12, 3.13, 3.14 en 3.14t
PyTorch2.11.0 tot en met 2.15.0
ChipTPU 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

Nog niets gecontroleerd. Kies je opstelling en klik op de knop.

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. Muse Glimmer 30B staat trouwens in de TorchTitan-recepten die Google noemt. Het algemene onderscheid lees je in open source versus gesloten AI-modellen.

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 en 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.

Python3.11 tot en met 3.14t
PyTorch2.11.0 tot en met 2.15.0
libtpuGoogle 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. 0.2.0Op PyPI sinds 19 oktober 2026
  2. 0.2.1Staat al in pyproject.toml op main
  3. v8i en v8tOp 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