一夜之间，GPT-5.6 Sol被OpenAI加速了14倍

AI 开始卷信息不对等了？

8 月 14 日凌晨，OpenAI 联合 AI 芯片厂商 Cerebras 正式预览了其旗舰模型 GPT-5.6 Sol 的全新服务层级「超高速模式」（Ultrafast Mode）。

在该模式下，GPT-5.6 Sol 的输出速度最高可达 750 tokens/s，相比目前 Standard（标准）模式约 53 tokens/s 的推理基线，速度提升最高达 14 倍，同时不降低任何质量。横向对比的话，GPT-5.6 Sol 加速后比 Fable 5 快 11 倍，比 Opus 4.8 在 Fast 模式下快 5 倍。

Ultrafast 模式将率先在 OpenAI API 中推出，当前已面向部分客户推出有限预览版。

为此，OpenAI 与 Cerebras 还对当前先进 AI 大模型现在的速度和智力对比拉了个表格，GPT-5.6 Sol Ultrafast 处于绝对领先的位置：

在 Cerebras 的博客中，工程人员介绍了在「人类最后的考试」（Humanity's Last Exam, HLE）上进行的测试，他们把 Ultrafast 后的模型与直接竞对进行了对比。我们知道，HLE 是一项具有挑战性的模型基准，包含 2500 道题，通常只有化学、经济学和文学等领域的博士才能解答。

GPT-5.6 Sol 在超快模式下仅用 11 小时 11 分钟就回答了全部问题。而 Claude Fable 5 则需要 78 小时 27 分钟，也就是超过三天的连续计算才能得出相同的结论。GPT 超快模式仅用一个工作日就完成了人类知识的前沿领域，在准确率相近的同时，速度几乎是 Claude Fable 的 7 倍。

随着模型能力的不断提升，快速推理的应用范围也会扩大。GPT-5.6 Sol 是 OpenAI 迄今为止在法律文书、金融模型和工程报告方面表现最佳的模型。在 GDP-Val（衡量经济价值知识工作任务的基准）上，Ultrafast 实现了 5.6 倍的端到端速度提升，且质量未受影响，充分展现了更快的推理速度如何加速经济价值工作的开展。

更快的 AI 处理速度为新兴工作流增加了不少可能性，人们现在可以将智能体部署到问题的关键路径上。OpenAI 为你列举了一些应用场景：

• 事件响应和可靠性：当关键系统发生故障时，AI 分析应用程序日志、最近的代码更改和工程师报告，以确定可能的原因，并在故障仍在发生时帮助准备修复方案。
• 金融研究与安全：在市场形势瞬息万变的情况下，分析市场信号、评估交易并识别可疑活动。
• 客户支持和语音：实时解决复杂的客户问题，即使找到答案需要多个步骤或系统，也不会中断对话。
• 商务：在购物者还在犹豫不决时，回答产品问题、检查库存、个性化推荐并解决结账问题，避免犹豫演变成放弃购物车。
• 实时研究和实验：将以前需要一夜才能完成的研究变成交互式工作会议，让团队测试想法、检查结果、调整方法，并在不中断工作流程的情况下进行另一次实验。

在 OpenAI 内部，开发人员在超快速模式下测试了 GPT-5.6 Sol，事件响应是使用 Ultrafast 的一个例子。当警报触发时，工程师需要在系统和证据仍在变化的情况下构建准确的事件图景。借助 Sol 级别的智能，团队可以快速读取日志、分析跟踪信息、汇总对话、确定下一步检查，并协助准备或验证修复方案。Ultrafast 模式缩短了从观察到信号、验证假设到选择下一步行动之间的延迟，同时工程师仍然负责判断和部署。

在研究方面，OpenAI 团队使用 Ultrafast 来快速搜索知识库、查询数据，并快速收集、整理和汇总来自不同工具的信息。以往研究中常见的流程是，团队成员在夜间启动一批实验，并在第二天早上查看结果。而有了 Ultrafast，发现的流程可以缩短，从而支持在工作日内进行多次迭代。

Ultrafast 模式的突破在于打破了传统 GPU 集群在大模型推理解码阶段的内存带宽瓶颈，其实现主要依赖于 Cerebras 的晶圆级硬件架构。

在 AI 芯片厂商行列中，Cerebras 的解决方案独树一帜：其历代芯片采用整片晶圆制成，在单片上集成了海量计算核心与超高速互联网络。

传统 GPU 在运行大模型自回归解码生成 Token 时，受限于显存带宽，需要不断将庞大的模型权重在片外 HBM 和计算核心之间往返搬运；同时多卡切分还会带来跨芯片互连（PCIe/NVLink）的通信延迟。

而每块 Cerebras 最新的晶圆级芯片（WSE-3）集成了 4 万亿晶体管，125 petaflops 的 AI 算力和高达 44 GB 的片上高速 SRAM，模型参数直接全部常驻在超高带宽的片上 SRAM 中，避免了反复从片外内存加载权重的等待时间。

当然，GPT-5.6 Sol 作为前沿旗舰模型，完整参数量显然远超芯片容量。Cerebras 还有「多晶圆流水线并行（Pipelined across wafers）」机制，其将模型的各网络层分别分布于多颗晶圆上，每层参数常驻于各自芯片的 SRAM 中，能让 Token 在晶圆间无缝流水传输。

对于众多大模型用户来说，旗舰模型 14 倍速会意味着以前不少必须切换次级模型（如 Luna 和 Terra）的任务现在可以直接放心地满血跑，对于需要多轮工具调用、代码生成排错和复杂链式思考的 Agent 任务，原本需要几小时的流程可压缩至几分钟完成。

更快的速度或许也意味着我们使用 AI 的方式发生转变：

AI 社区里，人们已经在期待 Luna 和 Terra 版的超高速模式了，就是不知道 Cerebras 的芯片是否够用。

参考内容：

https://openai.com/index/previewing-ultrafast/

https://www.cerebras.ai/blog/accelerating-gpt-5-6-sol-ultrafast-with-openai