Cerebras Führt OpenAIs GPT-5.6 Sol Mit 750 Tokens Pro Sekunde in Neuem Ultrafast-Tier Aus

Cerebras führt jetzt OpenAIs Flaggschiff-Modell mit einer Geschwindigkeit aus, die keine GPU-Cloud öffentlich erreicht hat. Am 13. August 2026 gab der Wafer-Scale-Chip-Hersteller bekannt, dass er GPT-5.6 Sol auf einem neuen OpenAI-Service-Tier namens Ultrafast ausführt, das bis zu 750 Ausgabe-Tokens pro Sekunde liefert und laut OpenAIs Angaben das Modell bis zu 14-mal schneller als die Standardverarbeitung ausführt. Ultrafast startet zunächst in der OpenAI-API als limitierte Vorschau für eine ausgewählte Gruppe von Kunden, wobei der Zugang mit dem Wachstum der Kapazität erweitert wird.

Der zentrale Anspruch ist ein spezifischer: Grenzwert-Intelligenz ohne Geschwindigkeitsstrafe. GPT-5.6 Sol ist OpenAIs leistungsfähigstes Modell, und auf Cerebras-Silicon generiert es Token schnell genug, um in Echtzeit-Produkte integriert zu werden, anstatt hinter einem Übernacht-Batch-Job. Beide Unternehmen stellen den Tier als Entfernung des Kompromisses zwischen einem intelligenten genugem Modell für hochriskante Arbeiten und einem schnellen genugem Modell, um während der Arbeit verwendet zu werden, dar.

Die Geschwindigkeitszahlen Hinter Ultrafast

Die 750 Ausgabe-Tokens pro Sekunde sind die Schlagzeile, aber die aussagekräftigeren Vergleiche sind die Kopf-an-Kopf-Läufe, die Cerebras veröffentlicht hat. Im Vergleich zu den Ausgabegeschwindigkeiten, die von Artificial Analysis gemeldet wurden, läuft GPT-5.6 Sol auf Ultrafast 11-mal schneller als Claude Fable 5 und 5-mal schneller als Opus 4.8 im Schnellmodus.

Cerebras hat den Tier auch durch einen vollständigen Durchlauf von Humanity’s Last Exam geführt, einem 2.500-Fragen-Benchmark, der auf PhD-Niveau angesiedelt ist. GPT-5.6 Sol auf Ultrafast beantwortete alle 2.500 Fragen in 11 Stunden und 11 Minuten; Claude Fable 5 benötigte 78 Stunden und 27 Minuten, um ähnliche Schlussfolgerungen zu ziehen: fast 7-mal langsamer, laut Cerebras. Auf GDP-Val, einem Benchmark für wirtschaftlich wertvolle Wissensarbeit, meldet das Unternehmen eine 5,6-fache End-to-End-Geschwindigkeitssteigerung gegenüber der Standardverarbeitung ohne Qualitätsverschlechterung.

Es handelt sich um von Herstellern durchgeführte Bewertungen, und Cerebras ist explizit darüber: Der Humanity’s Last Exam-Vergleich wurde von Cerebras am 10. und 13.-15. Juli 2026 durchgeführt, und die GDP-Val-Zahl stammt aus den eigenen Tests des Unternehmens vom 31. Juli 2026. Behandeln Sie sie als eigene Messungen des Unternehmens, nicht als unabhängige Ergebnisse.

Warum Der Wafer-Scale-Chip Bei Der Latenz Gewinnt

Der Mechanismus ist hier wichtig, weil er erklärt, warum ein relativ kleiner Chip-Hersteller OpenAIs größtes Modell mit Geschwindigkeiten ausführt, die die GPU-Incumbents nicht erreicht haben. Schnelle Inferenz auf einem großen Modell ist grundlegend ein Datenbewegungsproblem: Auf GPUs müssen Modellgewichte wiederholt zwischen On-Chip-Speicher und Off-Chip-Speicher verschoben werden, um jedes successive Token zu generieren, und die Speicherbandbreite wird zum Flaschenhals.

Cerebras’ Antwort ist, diese Bewegung zu eliminieren. Sein Wafer-Scale-Engine packt 44 GB SRAM auf einem wafer-großen Chip, so dass die Modellgewichte auf dem Chip bleiben und Token durch Schichten fließen, die über Wafers ohne Unterbrechung pipelined sind. Da die Gewichte den Silizium nie verlassen, skaliert der Ansatz mit der Modellgröße – was das Argument des Unternehmens ist, dass der Geschwindigkeitsvorteil bei der Skalierung von Grenzwert-Modellen anhält. Für die Inferenz-Ökonomie ist das das ganze Spiel: Die Kosten und Latenz des Ausführens eines Modells werden von der Geschwindigkeit dominiert, mit der Sie Gewichte an die Rechenoperationen liefern können, und das Halten von 44 GB auf einem Die greift direkt darauf an.

Ein 10-Milliarden-Dollar-Partnerschaft Erreicht Das Flaggschiff

Ultrafast ist das sichtbarste Produkt einer Beziehung, die sich über Monate aufgebaut hat. OpenAI hat Cerebras für 10 Milliarden Dollar in Low-Latency-Rechenleistung ausgewählt früher in 2026, und dieser Start bringt diese Kapazität hinter OpenAIs Top-Modell anstatt eines kleineren oder spezialisierten. OpenAI beschreibt Ultrafast als “den nächsten Schritt” in der Partnerschaft, um ultra-niedrige Latenz-Inferenz auf seine Plattform zu bringen.

Für Cerebras ist die Platzierung bedeutend. Das Startup hat lange argumentiert, dass seine Wafer-Scale-Architektur die richtige Form für Inferenz ist, auch wenn der Marktsschwerpunkt bei den GPU-Lieferanten liegt – ein Wettbewerb, der sich über das Beschleuniger-Geschäft abspielt, während die Incumbents versuchen, Modelle direkt in ihr Silizium zu baken. Die Platzierung der Servicing-Schicht für OpenAIs Flaggschiff gibt Cerebras ein Produktions-Referenzkonto an der Spitze des Marktes. Das Modell selbst verankert die GPT-5.6-Familie, die OpenAI gestartet hat (Sol als Flaggschiff, neben dem ausgewogenen Terra und dem kosteneffizienten Luna), so dass Ultrafast Cerebras an die Spitze dieser Reihe bringt.

Wer Bekommt Es Und Wofür Es Ist

OpenAI positioniert den Tier bei zeitkritischen, hochriskanten Arbeiten: Incident-Response, während ein Ausfall noch abläuft, Finanzforschung, während Marktbedingungen sich bewegen, Echtzeit-Kundensupport und -Voice, Commerce und Live-Forschungsschleifen, die früher über Nacht liefen. Der frühe Zugang ist an Unternehmen aus Codierung, Commerce und Finanzen gegangen, einschließlich Jane Street, Podium, Basis und Rogo.

> “Die Geschwindigkeitssteigerung, die durch Cerebras gebracht wird, ist beeindruckend”, sagte John Crepezzi, AI-Assistenten bei Jane Street, in OpenAIs Ankündigung. “Es ermöglicht unterschiedliche Arten, die Modelle zu verwenden, und macht es für Entwickler praktisch, in einer fokussierteren und produktiveren Weise neben ihnen zu arbeiten.”

OpenAI hält die Rollout-Phase absichtlich eng. Das Unternehmen sagt, es werde die Vorschau-Periode nutzen, um zu lernen, wo eine Größenordnung-Geschwindigkeitsänderung den meisten Wert schafft, und wird den Zugang erweitern, wenn die Kapazität wächst. Sowohl OpenAI als auch Cerebras nehmen Anmeldungen für Updates entgegen, wenn die Vorschau erweitert wird.

Was Als Nächstes Passiert

Das kurzfristige Beobachtbare ist die Kapazität, nicht die Fähigkeit. Ultrafast ist eine limitierte Vorschau, und beide Unternehmen binden eine weitere Verfügbarkeit an das Wachstum der Kapazität und nicht an ein festes Datum – also ist der Tempo der Expansion das zu Beobachtende. Die längere Frage ist, ob Cerebras’ On-Chip-Speicher-Vorteil anhält, wenn OpenAIs Modelle skaliert werden, was genau die Wette ist, auf die die Wafer-Scale-Architektur setzt.