Przełom w szybkości AI: GPT-5.6 Sol w trybie Ultrafast osiąga 750 tokenów na sekundę

W czwartek, 13 sierpnia 2026 roku, Cerebras i OpenAI wspólnie ogłosiły tryb Ultrafast – nowy poziom usług API dla GPT-5.6 Sol, najbardziej zaawansowanego modelu OpenAI, zasilanego w całości przez autorskie chipy Cerebras . Tryb ten osiąga do 750 tokenów wyjściowych na sekundę i zapewnia wnioskowanie nawet 14× szybsze niż standardowe przetwarzanie OpenAI .

To pierwszy przypadek, gdy OpenAI publicznie uruchomiło produkcyjny model graniczny na układach innych niż Nvidia na taką skalę . Dostęp jest początkowo ograniczony do wybranej grupy klientów, z planami stopniowego rozszerzania w miarę wzrostu mocy obliczeniowych .

Szybkość i wyniki porównawcze

Osiągi trybu Ultrafast stawiają go w zupełnie innej lidze w porównaniu z konwencjonalnymi wdrożeniami na GPU:

• Prędkość wyjściowa: do 750 tokenów/sek.
• vs. standardowe przetwarzanie OpenAI: do 14× szybciej
• vs. typowy klaster H100 (~70 TPS): około 10× szybciej na tych samych wagach modelu
• vs. Claude Opus 4.8 w trybie Fast: około 5× szybciej, według danych Artificial Analysis
• vs. Claude Fable 5: około 11× szybciej
• Przyspieszenie typu end-to-end: 5,6× w benchmarku „GDP val”

Cerebras opublikowało również wyniki testu Humanity's Last Exam – zestawu 2500 pytań na poziomie studiów magisterskich. GPT-5.6 Sol Ultrafast rozwiązał cały zestaw w 11 godzin i 11 minut; Claude Fable 5 potrzebował 78 godzin i 27 minut, by osiągnąć porównywalne wnioski .

Jak architektura Wafer-Scale Engine zapewnia taką wydajność?

Kluczowym elementem jest Cerebras WSE-3 (Wafer-Scale Engine 3). W przeciwieństwie do konwencjonalnych klastrów GPU, które łączą ze sobą dziesiątki lub setki małych układów, WSE-3 to pojedynczy, ogromny krzemowy wafler wielkości dużego talerza. Eliminuje to wąskie gardła komunikacji między chipami, które są zmorą rozproszonych systemów GPU .

Architektura zawiera 44 GB pamięci SRAM na chipie, co pozwala na przechowywanie całego modelu GPT-5.6 Sol w lokalnej pamięci procesora . Podczas wnioskowania wagi modelu nigdy nie muszą być przesyłane do wolnej pamięci DRAM, co usuwa typowe ograniczenie przepustowości pamięci, spowalniające dekodowanie dużych modeli językowych .

Dla porównania: wykonanie zadania agenta o długości 3000 tokenów, które na standardowym klastrze H100 trwa około 43 sekund, na sprzęcie Cerebras zajmuje zaledwie około 4 sekund .

Reakcja rynku

Mimo przełomowego ogłoszenia technologicznego, akcje Cerebras (NASDAQ: CBRS) gwałtownie spadły. Kurs zamknął się na poziomie 231,01 USD, co oznacza spadek o 11,85% w regularnej sesji, a w handlu po godzinach zniżkował nawet o 17% .

Spadek ten był jednak w dużej mierze spowodowany wynikami finansowymi Cerebras za II kwartał 2026 roku, opublikowanymi poprzedniego wieczoru (12 sierpnia). Firma osiągnęła rekordowe przychody w wysokości 209,9 mln USD (ponad dwukrotnie więcej niż rok wcześniej), ale odnotowała znacznie wyższą od oczekiwań stratę w przeliczeniu na akcję: -2,98 USD wobec szacunków analityków na poziomie -0,18 USD .

Opinie analityków były mieszane. Morgan Stanley podniósł cenę docelową dla CBRS z 273 do 279 USD, podczas gdy Citi utrzymało rekomendację „Kupuj”, ale obniżyło cenę docelową do 320 USD .