Cerebras og OpenAI lancerer GPT-5.6 Sol 'Ultrafast' – 750 tokens i sekundet

Torsdag 13. august 2026 annoncerede Cerebras og OpenAI i fællesskab Ultrafast, en ny API-tjeneste til GPT-5.6 Sol — OpenAI's mest avancerede model — der udelukkende kører på Cerebras' wafer-scale-hardware . Tjenesten leverer op til 750 output-tokens i sekundet og er op til 14 gange hurtigere end OpenAI's standardbehandling .

Det er første gang, OpenAI lader en frontlinjemodel i produktion køre på andet end Nvidia-silicium i denne skala . Adgangen er i første omgang begrænset til en udvalgt gruppe kunder, men udvides efterhånden som kapaciteten vokser .

Hastighed og benchmark-sammenligninger

Ydelsestallene placerer Ultrafast i en klasse for sig sammenlignet med traditionelle GPU-baserede installationer:

• Output-hastighed: Op til 750 tokens/sek. .
• Sammenlignet med standard OpenAI-behandling: Op til 14 gange hurtigere .
• Sammenlignet med typisk Nvidia H100-klynge (~70 TPS): Cirka 10 gange hurtigere på de samme modelvægte .
• Sammenlignet med Claude Opus 4.8 Fast-tilstand: Cirka 5 gange hurtigere, ifølge output-hastigheder rapporteret af Artificial Analysis .
• Sammenlignet med Claude Fable 5: Cirka 11 gange hurtigere .
• End-to-end speedup: En 5,6× forbedring på benchmarken "GDP val" .

Cerebras offentliggjorde også en kørsel af Humanity's Last Exam, en benchmark med 2.500 spørgsmål på kandidatniveau. GPT-5.6 Sol Ultrafast gennemførte hele sættet på 11 timer og 11 minutter; Claude Fable 5 brugte 78 timer og 27 minutter på at nå sammenlignelige resultater .

Hvordan Wafer-Scale Engine-arkitekturen leverer ydelsen

Cerebras' WSE-3 (Wafer-Scale Engine 3) er nøglen. I modsætning til konventionelle multi-GPU-klynger, der samler dusinvis eller hundredvis af små chips, er WSE-3 en enkelt, massiv silicium-wafer på størrelse med en middagstallerken. Det eliminerer flaskehalse i kommunikationen mellem chips, som plager distribuerede GPU-systemer .

Arkitekturen inkluderer 44 GB indbygget SRAM, hvilket gør det muligt at have hele GPT-5.6 Sol-modellen placeret i processorens lokale hukommelse . Under inferens behøver modelvægtene aldrig at blive sendt til langsom ekstern DRAM, hvilket fjerner den hukommelsesbåndbredde-væg, der typisk begrænser store sprogmodellers hastighed .

Helt konkret betyder det, at et agent-svar på 3.000 tokens, der tager omkring 43 sekunder på en standard H100-klynge, gennemføres på cirka 4 sekunder på Cerebras-hardware .

Markedsreaktion

På trods af den banebrydende tekniske annoncering faldt Cerebras-aktien (NASDAQ: CBRS) kraftigt. Kursen faldt 11,85 % i almindelig handel til lukkekurs $231,01 og faldt op til 17 % i eftermarkedet .

Nedturen skyldtes dog primært Cerebras' Q2 2026-regnskab offentliggjort aftenen før (onsdag 12. august) — en rekordomsætning på $209,9 millioner (mere end en fordobling år-over-år), men et langt større end forventet justeret tab på -$2,98 per aktie, sammenlignet med analytikernes forventning på -$0,18 .

Analytikernes reaktion var blandet. Morgan Stanley hævede sit kursmål for CBRS fra $273 til $279, mens Citi fastholdt en Køb-anbefaling, men sænkede målet til $320 .