14 倍速是怎么来的
OpenAI 宣布在 GPT-5.6 Sol 上开启 Ultrafast 模式的有限预览。核心变化不在模型本身——权重还是那个 GPT-5.6 Sol——而在推理硬件：Ultrafast 模式跑在 Cerebras 的晶圆级引擎（Wafer-Scale Engine）上，单颗芯片集成 44GB 片上 SRAM，模型参数基本不需要在显存之间来回搬运，访存瓶颈被直接绕开。官方口径是 14 倍于标准版 GPT-5.6 的推理速度，输出速率约 750 token/秒，长推理任务的体感差距会更明显。
一个直观的对比：78 小时变 11 小时
Cerebras 给出的参照数据是 Humanity's Last Exam：同一套 GPT-5.6 Sol 在标准推理栈上跑完整卷需要 78 小时 27 分，Ultrafast 模式下压到 11 小时 11 分。对做长链路 Agent 的团队来说，这个数量级的提速改变的不只是等待时间——很多此前因为「跑完一轮要一天」而不敢做的密集推理任务（全量代码库分析、批量合同审查、多轮搜索验证）开始变得可行。
谁在用
- Jane Street：量化研究场景的高频推理任务
- Podium：面向中小企业的 AI 客服与销售自动化
- Basis：会计与财务自动化 Agent
- Rogo：金融分析 Agent，对长报告生成速度敏感
对 Cerebras 意味着什么
这次合作对 Cerebras 的分量不小。其 Q2 营收 1.801 亿美元、同比增长 74%，但真正被 OpenAI 列为官方推理通道，等于给晶圆级路线盖了行业背书。此前业界普遍认为 GPU 集群是大规模推理的唯一解，Ultrafast 预览给出了另一个选项：推理专用硬件 + 旗舰闭源模型的组合，可以在不牺牲模型能力的前提下换数量级的速度。
开发者需要关注的三点
- 限量预览需通过 API 申请，优先面向高吞吐 Agent 场景开放
- 计费与标准 API 分离，速度溢价是肯定的，成本敏感任务继续走标准通道更划算
- Agent 设计范式可能受影响：当单轮推理快 14 倍，串行多步验证的成本模型要重新算
推理速度正在变成和模型智力同档位的竞争轴——聪明但慢的 Agent，正在被快而聪明的对手挤掉。