一句话看懂：Cerebras 公开了用 59 片 WSE-3T 晶圆部署约 3 万亿参数开源模型 Kimi K3 的方案，目标是把多万亿参数模型跑到每秒 1000–2000+ tokens，为大模型推理的算力路线提供了晶圆级芯片的参考样本。
事件核心：发生了什么
2026 年 10 月 22 日，Cerebras 发布技术博客，说明如何把万亿参数级前沿模型拆分到多片 WSE-3T 晶圆上运行。单片晶圆有 44 GB 片上内存，而万亿参数模型仅权重就需要数 TB，因此关键在于“模型放进片上内存、权重不移动”。
文章以开源模型 Kimi K3 为例：约 3 万亿参数，含 69 个线性注意力层和 24 个稠密层。按 4-bit 权重量化、8-bit KV cache 和 256k 平均请求长度估算，每个线性层约 16 GB，每片晶圆可放 2 层，共需 35 片；每个稠密层单独占一片晶圆并留出 KV cache 空间，共 24 片，合计 59 片。晶圆之间只传激活值，通过以太网 RDMA 互联，每跳约 2 微秒。
为什么重要
这套方案的价值不在“堆芯片”，而在于把推理流水线打满：每片晶圆负责固定的模型层，不同请求在不同阶段同时推进，避免整条流水线等一个请求。按原文说法，生产环境中阶段划分会比示例更细。对行业而言，这展示了不依赖 HBM 大显存集群、而以片上 SRAM 加流水线并行的另一条大模型推理路线；对闭源前沿模型来说，也提供了一种降低单 token 成本的思路，但能否规模化商用仍需看实际负载表现。
对用户/开发者/创作者的影响
对开发者，Cerebras 强调模型权重常驻片上、层不拆分，意味着推理延迟更可预测，适合长上下文和高并发 API 场景；但具体接口、价格和可用区域目前公开信息有限。对使用 Kimi K3 等开源模型的团队，这一部署方式说明 4-bit 量化加 8-bit KV cache 可以在超大模型上落地，值得在自建推理时参考。对创作者和企业采购，更快的推理速度可能压低长文档处理和 agent 类应用的成本，不过素材中的 1000–2000+ tokens/s 是 Cerebras 给出的目标口径，并非第三方实测。
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
一是这套 59 片晶圆方案是否进入对外可用的云服务或 API，并公布实际吞吐与定价；二是 Kimi K3 在 Terminal-Bench 2.1 的 88.3% 和 BrowseComp 的 91.2% 等结果，是否在统一评测条件下被独立复现；三是其他芯片厂商和云厂商是否跟进类似的“权重常驻、流水线并行”部署思路。
