OpenAI und Cerebras starten GPT-5.6 Sol 'Ultrafast' – 750 Tokens pro Sekunde

OpenAI und der Chip-Spezialist Cerebras haben am Donnerstag, den 13. August 2026, gemeinsam den neuen Service-Tier Ultrafast für das leistungsfähigste OpenAI-Modell GPT-5.6 Sol vorgestellt . Angetrieben wird der Dienst ausschließlich von Cerebras' Wafer-Scale-Hardware. Der Tier erreicht eine Spitzengeschwindigkeit von 750 Ausgabe-Tokens pro Sekunde und ist damit bis zu 14-mal schneller als die Standardverarbeitung von OpenAI .

Es ist das erste Mal, dass OpenAI ein Spitzenmodell im Produktivbetrieb öffentlich auf Nicht-Nvidia-Silizium in dieser Größenordnung laufen lässt . Der Zugang ist zunächst auf eine ausgewählte Kundengruppe beschränkt; ein breiterer Rollout ist geplant, sobald die Kapazitäten wachsen .

Geschwindigkeit und Benchmarks im Vergleich

Die Leistungsdaten heben Ultrafast deutlich von herkömmlichen GPU-basierten Bereitstellungen ab:

• Ausgabegeschwindigkeit: Bis zu 750 Tokens pro Sekunde im Spitzenbereich .
• Vergleich zur OpenAI-Standardverarbeitung: Bis zu 14-mal schneller .
• Vergleich zu einem typischen Nvidia-H100-Cluster (ca. 70 TPS): Etwa 10-mal schneller bei denselben Modellgewichten .
• Vergleich zu Claude Opus 4.8 Fast-Modus: Etwa 5-mal schneller .
• Vergleich zu Claude Fable 5: Etwa 11-mal schneller .
• End-to-End-Beschleunigung: Ein 5,6-facher Geschwindigkeitsgewinn beim „GDP val“-Benchmark .

Cerebras veröffentlichte zudem einen Durchlauf von „Humanity’s Last Exam“, einem Benchmark mit 2.500 Fragen auf Graduiertenniveau. GPT-5.6 Sol Ultrafast beantwortete den gesamten Fragenkatalog in 11 Stunden und 11 Minuten; Claude Fable 5 benötigte dafür 78 Stunden und 27 Minuten .

Wie die Wafer-Scale-Engine diese Leistung ermöglicht

Cerebras' WSE-3 (Wafer-Scale Engine 3) ist der entscheidende Enabler. Im Gegensatz zu herkömmlichen Multi-GPU-Clustern, die dutzende oder hunderte kleiner Chips zusammenschalten, ist der WSE-3 ein einziger, massiver Silizium-Wafer in der Größe eines Esstellers. Dadurch entfallen die Kommunikationsengpässe zwischen den Chips, die verteilte GPU-Systeme plagen .

Die Architektur verfügt über 44 GB On-Chip-SRAM, sodass das gesamte GPT-5.6 Sol-Modell in den lokalen Speicher des Prozessors passt . Während der Inferenz müssen die Modellgewichte nie zu langsamem externen DRAM übertragen werden, was die Speicherbandbreiten-Barriere beseitigt, die normalerweise die Decodierung großer Sprachmodelle ausbremst .

Konkret bedeutet das: Ein Agenten-Durchlauf mit 3.000 Tokens, der auf einem Standard-H100-Cluster etwa 43 Sekunden dauert, ist auf der Cerebras-Hardware in rund 4 Sekunden erledigt .

Marktreaktion

Trotz der bahnbrechenden technischen Ankündigung fiel die Cerebras-Aktie (NASDAQ: CBRS) deutlich. Der Aktienkurs gab im regulären Handel um 11,85 % nach und schloss bei 231,01 US-Dollar; im nachbörslichen Handel fiel er zeitweise um bis zu 17 % .

Der Rückgang war jedoch größtenteils auf den am Vorabend (Mittwoch, 12. August) veröffentlichten Quartalsbericht für Q2 2026 zurückzuführen. Cerebras meldete zwar einen Rekordumsatz von 209,9 Millionen US-Dollar (mehr als eine Verdopplung zum Vorjahr), aber einen deutlich höheren Verlust als erwartet: Der bereinigte Verlust pro Aktie betrug -2,98 US-Dollar, während Analysten mit -0,18 US-Dollar gerechnet hatten .

Die Analystenreaktionen fielen gemischt aus. Morgan Stanley erhöhte das Kursziel für CBRS von 273 auf 279 US-Dollar, während Citi zwar ein „Kaufen“-Rating beibehielt, das Kursziel aber auf 320 US-Dollar senkte .