Cerebras 为 OpenAI GPT-5.6 Sol 提供 Ultrafast 推理：750 tokens/s、最高 14 倍加速，推理芯片首次拿下旗舰模型
OpenAI 与 Cerebras 联合推出 Ultrafast 推理模式——GPT-5.6 Sol 在 Cerebras WSE-3 晶圆级芯片上实现最高 750 output tokens/s，比标准模式快 14 倍，且没有任何质量损失。这是 OpenAI 首次将旗舰模型推理交给非 Nvidia 硬件，也是推理专用芯片在商业上正式站稳脚跟的标志性事件。
Ultrafast 模式是什么
8 月 14 日，OpenAI 官方发布 Ultrafast 服务层级，由 Cerebras 提供底层算力。核心数据：
- 最高 750 output tokens/s，比 GPT-5.6 Sol 标准模式快 14 倍
- 比 Claude Fable 5 快 11 倍，比 Opus 4.8 Fast 模式快 5 倍
- 无质量损失：Cerebras 的测试显示，Ultrafast 模式在各项基准上与标准模式精度一致
目前 Ultrafast 处于预览期，面向有限客户开放，后续逐步扩容。
为什么这是推理芯片的里程碑
OpenAI 此前的推理几乎全部跑在 Nvidia GPU 上。这次选择 Cerebras，不是小模型的边缘场景，而是旗舰模型 GPT-5.6 Sol——OpenAI 当前最强的推理模型。
Cerebras WSE-3 的核心优势在于晶圆级架构：整片晶圆做成一颗芯片，拥有 4 万亿晶体管和 44GB 片上 SRAM。这种设计天然适合高吞吐推理——模型参数可以全部驻留在片上内存，省去 GPU 推理中反复搬运权重的开销，延迟和吞吐都有数量级优势。
更重要的是，这验证了推理专用芯片的商业模式。Cerebras 2026 年 Q2 云收入同比近 4 倍增长，说明市场愿意为推理速度买单。
速度到底意味着什么
Cerebras 在 Humanity's Last Exam（HLE）上做了对比测试：GPT-5.6 Sol Ultrafast 用 11 小时 11 分钟完成了全部 2500 道博士级题目，Claude Fable 5 则需要 78 小时 27 分钟——超过 3 天的连续计算。准确率相当，速度差了 7 倍。
在 GDP-Val 经济知识工作基准上，Ultrafast 实现了 5.6 倍端到端加速，同样无质量损失。
实际场景中，速度差异从"等得起"变成"等不起"：
- 事故响应：系统宕机时，Ultrafast 可以在故障仍在发生时分析日志、定位原因、准备修复方案
- 金融与安全：市场信号和可疑交易需要实时分析，延迟就是损失
- 客服与语音：复杂问题不再需要打断对话去等待
- 研究实验：原本需要过夜跑完的研究，变成交互式工作会话
OpenAI 内部已经在用 Ultrafast 做事故响应和实时研究，工程师反馈"任务在我还没来得及切换上下文之前就完成了"。
对行业格局的影响
推理速度成为新竞争维度。 随着模型能力逐渐趋同，谁跑得快谁赢。The Next Web 的报道指出，推理专家 Groq、SambaNova 以及一批专用云服务商都在追逐同一个目标——市场越来越奖励"谁能让给定模型最快回答"，而不是"谁训练了最大的模型"。
对 Nvidia 的意义。 训练市场 Nvidia 仍然不可替代，但推理市场出现了真正的替代选项。OpenAI 选择 Cerebras 也是减少对 Nvidia 依赖的明确信号——与 OpenAI 自研芯片的战略一脉相承。
对 Cerebras 的意义。 拿下 OpenAI 这个客户，等于拿到了推理芯片行业的最高背书。Cerebras 还在推进与 AMD 的合作方案（预计 2026 年底量产）以及 Amazon Bedrock 集成（2027 年初），推理芯片的生态正在从"概念验证"走向"规模部署"。
限制与未知
- 目前仅限有限客户预览，开放时间表未定
- Cerebras 产能能否跟上 OpenAI 的规模需求？晶圆级芯片的制造良率和交付节奏是关键瓶颈
- 定价尚未公布，Ultrafast 层级的价格可能显著高于标准模式
- 目前仅支持 GPT-5.6 Sol，其他模型（如 GPT-5.6、o 系列）是否跟进未知
---
基于 OpenAI 官方公告、Cerebras 官方博客及多家媒体转述整理。