一句话看懂：Cerebras 与 OpenAI 合作推出 GPT-5.6 Sol 的 Ultrafast 超快推理模式，在 OpenAI API 中首批上线，最高可输出 750 tokens/秒，且不牺牲模型质量。
事件核心：发生了什么
8 月 13 日，Cerebras 官方博客宣布与 OpenAI 合作，为 GPT-5.6 Sol 提供名为 Ultrafast Mode 的新服务层级，首批通过 OpenAI API 向部分客户开放，后续逐步扩大范围。Cerebras 的晶圆级芯片（Wafer-Scale Engine）为这一模式提供算力支撑，将 44 GB SRAM 集成在单颗晶圆上，模型权重无需频繁在片内外搬运，从而绕过 GPU 上常见的显存带宽瓶颈。
官方公布的数据显示，Ultrafast 模式下 GPT-5.6 Sol 的输出速度最高达 750 tokens/秒，比 Anthropic 的 Claude Fable 5 快 11 倍，比 Opus 4.8 的 Fast 模式快 5 倍（数据来源为 Artificial Analysis 的对比测试）。在 Humanity’s Last Exam（HLE）基准上，Sol Ultrafast 用 11 小时 11 分钟完成全部 2,500 道题，Claude Fable 5 耗时 78 小时 27 分钟，准确率相近，耗时缩短约 7 倍。在面向经济知识工作的 GDP-Val 基准中，Ultrafast 实现了 5.6 倍端到端加速，质量没有下降。
为什么重要
长期以来，大模型应用需要在“快”和“聪明”之间做取舍：模型越强，推理越慢。Cerebras 和 OpenAI 这次合作的核心价值，是用硬件架构创新打破这一权衡——不靠蒸馏或降精度换速度，而是通过减少推理过程中的数据搬运来提速。这意味着 AI 产品可以在不损失智力水平的前提下，把高推理任务的响应时间压到接近实时，AI Agent 才有可能真正进入生产系统的关键路径，而不是只做离线批处理。对 Cerebras 而言，这是一次从特定领域走向主流模型生态的关键落地。
对用户/开发者/创作者的影响
对于通过 OpenAI API 开发应用的团队，Ultrafast 意味着原本需要等待数分钟的高强度推理任务，可以在注意力转移前就返回结果。开发者可以将它用于配置风险更高、时效要求更严的场景，比如线上服务故障排查、安全威胁响应、法律文书起草、财务建模和复杂代码生成；同时保留标准模式处理可以并行化的常规任务，在成本与速度之间做灵活分配。目前该模式仅对首批受邀客户开放，普通用户和中小开发者还需要等待 OpenAI 逐步放量。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，Ultrafast 的定价策略尚未公布，速度优势能否转化为可负担的 API 成本，是开发者是否愿意迁移的关键。其次，Cerebras 是独家算力供应商还是长期合作伙伴，以及产能能否支撑大规模并发调用，值得观察。第三，Anthropic、Google 等对手是否会跟进类似的高速推理方案，将直接影响这一细分市场的竞争格局。目前公开信息显示，Cerebras 的容量扩展时间和 OpenAI 的开放节奏都还没有明确时间表。
