文章摘要
Cerebras与OpenAI合作推出Ultrafast Mode服务，由Cerebras驱动GPT-5.6 Sol，每秒输出高达750个token且质量无损，速度比Fable 5快11倍、比Opus 4.8快5倍，解决了速度与智能的权衡问题。
文章总结
今天，Cerebras 与 OpenAI 联合发布了“超快模式”的早期预览。这是 OpenAI API 中率先推出的新服务层级，由 Cerebras 提供技术支持。该模式初期面向特定客户群体开放，后续将逐步扩大使用范围。在超快模式下，GPT-5.6 Sol 每秒可输出高达 750 个令牌，且质量毫无妥协，从而加速您最紧迫、最关键的工作。
前所未有的前沿智能速度
AI 开发者过去常需在速度与智能之间做出取舍。随着模型规模和智能水平的提升，计算和数据移动成本增加，响应时间变慢。用户要么等待高质量结果，要么在更短时间内接受较差结果。
GPT-5.6 Sol 超快模式解决了这一矛盾，将前沿智能引入每一秒都至关重要的产品和流程中。根据 Artificial Analysis 的报告，超快模式下的 GPT-5.6 Sol 输出速度比 Fable 5 快 11 倍，比快速模式下的 Opus 4.8 快 5 倍。
Cerebras 通过“人类最后考试”对超快模式进行了测试。该基准测试包含 2500 个问题，通常只有化学、经济学和文学等领域的博士才能回答。评估中，超快模式下的 GPT-5.6 Sol 在 11 小时 11 分钟内回答了所有问题，而 Claude Fable 5 需要 78 小时 27 分钟（超过三天连续计算）才能得出相同结论。这意味着，超快模式在一个工作日内完成了人类知识前沿的探索，准确率相当，速度却快了近 7 倍。
随着模型能力持续进步，快速推理的应用范围也在扩大。GPT-5.6 Sol 是 OpenAI 在法律简报、金融模型和工程报告方面表现最佳的模型。在衡量经济价值知识工作的 GDP-Val 基准测试中，超快模式实现了 5.6 倍的端到端加速，且质量无下降，展示了更快推理如何加速高价值工作。
高速智能驱动高价值工作
更快的智能改变了个体和组织的可能性。借助超快模式，您可以将智能体置于分秒必争的关键问题路径上。OpenAI 产品负责人 Rohan Varma 表示：“GPT-5.6 Sol 超快模式让 Cerebras 实现了与您思考、编码和协作同步的 AI。我们期待看到超快推理如何改变工作流程和应用。”
超快模式为使用前沿 AI 快速响应信息的组织提供了持续优势。运营网络服务的公司可利用它快速定位并解决生产故障，维护客户信任，防止收入损失，并节省 SLA 中的停机时间。在对抗性、高风险的网络攻击中，超快模式是安全团队快速检测和应对恶意行为、遏制灾难性损失的宝贵工具。
更广泛地说，超快模式开启了与智能体协作的全新方式。它提供实时洞察和更新，让您无需在多个并行会话间切换，即可充分利用智能体。OpenAI 研究员 Jeffrey Wang 指出：“以前我可能需要等几分钟才能完成一项任务，现在任务在我切换注意力之前就完成了。这让我效率大大提高。”
借助超快模式，研究人员和工程师可以将注意力集中在最重要的关键问题上，同时继续使用标准模式处理常规任务。Cerebras 很高兴能为下一波 AI 创新提供动力，提升个体和组织通过响应式 AI 所能达到的成就上限。
突破性创新实现极速
超快模式下的 GPT-5.6 Sol 由 Cerebras 革命性的晶圆级引擎架构驱动，专为前沿 AI 工作负载设计。快速前沿推理本质上是数据移动问题：在 GPU 上，大型模型的推理受限于内存带宽，因为模型权重必须在芯片内存和外部存储之间反复传输，以生成响应中的连续令牌。
Cerebras 采用逆向思维消除这种低效数据移动：在每个晶圆级芯片上封装 44 GB 的 SRAM。权重保留在芯片上，令牌则通过跨晶圆流水线化的模型层不间断流动。这种技术方法随模型规模平滑扩展，为未来前沿模型持续保持速度优势铺平了道路。
超快模式：现已开放有限预览
超快模式下的 GPT-5.6 Sol 今日面向特定客户群体提供有限预览。随着容量增长，访问权限将逐步扩大。
评论总结
根据评论内容，总结如下：
主要观点与论据：
速度与性能突破（多数认可）
- 评论7强调GPT-5.6 Sol Ultrafast模式在HLE测试中比Claude Fable 5快7倍（"answered all 2,500 HLE questions in 11 hours... Claude Fable 5 needed 78 hours"）。
- 评论4认为速度被低估，Cursor的快速响应使其更实用（"I was using Cursor's Composer... just because of how darn fast it was"）。
- 评论8称其"even faster than diffusion LLMs but with Fable-level quality"。
成本与定价疑虑（部分质疑）
- 评论3指出无定价信息，可能暗示"if you have to ask... territory"。
- 评论11担忧快速模式已更贵，Ultrafast可能耗尽配额（"running out of my quota in one session"）。
- 评论15预测顶级开发者年推理支出将超5万美元（"spending 50k USD+ on inference"）。
技术局限与竞争（少数批评）
- 评论13指出对比图遗漏Mimo v2.5-Pro（"can achieve 1000tok/s... costs under 1/10th of Sol"）。
- 评论16质疑性能是否真正1:1匹配常规Sol（"no actually solid statement on performance"）。
- 评论14推测模型参数可能较小（"GPT-5.6 Sol is likely a lot smaller than people think"）。
应用场景与影响（中性讨论）
- 评论10认为编译时间将成为瓶颈（"Compilation time will be a genuine bottleneck"）。
- 评论6预测未来本地推理将普及（"thumbnail sized... fully local, fully offline"）。
- 评论12好奇"time-sensitive, mission-critical work"的具体用例。
平衡性总结：
评论整体对速度提升表示兴奋，但普遍关注定价不透明、性能一致性验证不足，以及可能带来的成本激增。少数评论指出竞争模型（如Mimo）在性价比上更具优势。