#tpu12 total

AI要約HeyGenは180億パラメータ超のビデオ生成モデルAvatar IVをGoogle CloudのTrillium（v6e）TPUに移植し、FSDPとUlyssesシーケンス並列化で1.86倍の高速化を実現した。

AI SUMMARYHeyGen successfully ported their 18B+ parameter Avatar IV model to Google Cloud Trillium TPUs using torchax and XLA, achieving a 1.86x speedup for real-time streaming via FSDP and Ulysses sequence parallelism.

AI要約フロンティアAIラボのMirendilがGoogle CloudのAI Hypercomputerを採用し、TPUとNVIDIA GPUを組み合わせてモデルの事前学習・事後学習に活用することが発表された。主要AIラボのGoogle Cloud採用が相次ぐ中、新興スタートアップへの広がりを示す動きとして注目される。

AI SUMMARYFrontier AI startup Mirendil has selected Google Cloud's AI Hypercomputer—combining Google TPUs and NVIDIA GPU infrastructure—to power its model pre-training and post-training workloads, underscoring Google Cloud's growing dominance as the platform of choice for cutting-edge AI labs.

AI要約GoogleがTPU・GPU・GKE・Cluster DirectorなどAIインフラ全般の最新アップデートをまとめて紹介し、AI Hypercomputerを中心とするスーパーコンピューティング基盤の強化内容を解説している。

AI SUMMARYGoogle summarizes the latest updates across its AI infrastructure stack—including TPUs, GPUs, GKE, and Cluster Director—highlighting enhancements to the AI Hypercomputer supercomputing platform and related orchestration tools.

AI要約GoogleはオープンソースのTPUマイクロベンチマークスイートを提供しており、ネットワーク・演算・HBM・ホスト転送・Attentionの各領域で詳細な性能指標を取得しRooflineモデルの構築に活用できる。

AI SUMMARYGoogle's open-source TPU microbenchmark suite lets developers measure granular performance across compute, memory, and attention components, enabling Roofline model analysis to validate and optimize real-world TPU workloads.

AI要約Google TPU 上で Ray Train や Ray Data などの Ray AI ライブラリを活用する方法を解説し、大規模 ML ワークロードの効率的な実行を可能にする実践的な手順を紹介している。

AI SUMMARYThis guide explains how to leverage Ray AI libraries such as Ray Train and Ray Data on Google TPUs, enabling scalable and efficient machine learning workloads with practical implementation steps.

AI要約Google が TPU 上で Ray を実行するための基本的なセットアップ方法と設計思想を解説し、大規模 ML ワークロードを効率化する手順を示した。

AI SUMMARYGoogle details how to set up and run Ray on TPUs, covering foundational architecture and configuration steps that enable scalable ML workloads on Google's custom accelerators.

AI要約GoogleがIronwood TPU上でQwen 3.5-397BのMoEモデルを効率的に動かすための最適化手法を公開。大規模オープンモデルをTPUで本番運用する際の実践的な知見を提供している。

AI SUMMARYGoogle published a detailed systems engineering guide for optimizing the Qwen 3.5-397B MoE model on Ironwood (TPU v7), offering practical techniques that help teams efficiently deploy large open-weight models on TPU infrastructure.

AI要約GartnerのAIインフラ向けMagic Quadrant 2026年版でGoogle Cloudがリーダーに認定された。TPUやVertex AIを含むAIインフラの総合力が高く評価されたことを意味する。

AI SUMMARYGoogle Cloud has been recognized as a Leader in the 2026 Gartner Magic Quadrant for AI Infrastructure, signaling strong industry validation of its AI platform including TPUs and Vertex AI.

AI要約MaxTextにおけるエラスティックトレーニング機能を紹介し、TPUがトレーニング中に停止しても数秒で復旧できる仕組みを解説。大規模LLM学習の信頼性とコスト効率を大幅に向上させる。

AI SUMMARYMaxText now supports elastic training, letting TPU jobs recover from mid-training failures in seconds and greatly improving fault tolerance for large-scale model training.

AI要約GoogleがCloud TPU向けの集中型教育リソース「TPU Developer Hub」を正式公開。モデルビルダーや開発者がTPUのパフォーマンスを最大限に引き出せるよう支援する。

AI SUMMARYGoogle launched the TPU Developer Hub, a centralized educational resource designed to help model builders and developers maximize performance on Google Cloud TPUs.

AI要約KaggleのGoogle Tunixハッカソンで、開発者たちがTPUと限られた計算リソースを使い、小型の非推論ベースモデルを汎用推論エンジンへと変換。Tunixの強化学習・蒸留手法でGemmaに「思考」を教える取り組みを紹介する。

AI SUMMARYThe Google Tunix Hackathon on Kaggle challenged developers to turn small non-reasoning base models into general reasoning engines on TPUs with limited compute, showcasing how Tunix's RL and distillation techniques teach Gemma to reason.

AI要約Google は Tensor ML SDK をベータ版に昇格し、LiteRT（旧 TensorFlow Lite）と統合した。開発者は Pixel 10 の TPU 上で高性能な機械学習モデルを直接構築・展開でき、エッジ推論の効率化が期待される。

AI SUMMARYGoogle's Tensor ML SDK enters Beta with LiteRT integration, letting developers build and deploy high-performance machine learning models directly onto the TPU of Pixel 10 devices for faster on-device edge inference.