不是新模型，是新的一档服务——同样的 Sol，换一种芯片跑。
8 月 13 日，OpenAI 在官网挂出 Ultrafast 的预览说明。要先说清楚的是：这不是一个新模型，而是 OpenAI API 里新增的一档服务层级。跑的还是 GPT-5.6 Sol，权重没换，官方明确写了 Ultrafast 与 Standard 的智能水平相同，变的只有出字速度——最高每秒 750 个输出 token，相当于标准处理档的 14 倍上限。同一天 Cerebras 发新闻稿确认，这一档由它的芯片驱动。
行业里让模型跑快的常规手段就那么几种：换更小的模型、更激进的量化、砍掉推理时的思考预算。共同点是都要拿质量换，所以「快了多少倍」这种数字平时并不值钱。这次的说法不一样在于，OpenAI 和 Cerebras 双方都强调同一件事——模型本身没动。
变量落在硬件那一侧。Cerebras 长期主打的是晶圆级引擎（Wafer-Scale Engine），把一整片晶圆做成一颗芯片，尽可能把模型权重摊在片上存储里。这个路线针对的正是逐 token 生成的痛点：模型每吐一个 token 都要把权重完整读一遍，GPU 方案在这里受显存带宽掣肘，堆卡能把总吞吐做上去，却很难让单个请求本身变快。Cerebras 一直对外强调「单流速度」而不是总吞吐，就是这个缘故。750 这个数字放在日常体感里是什么概念——常见的大模型 API 单请求输出速度通常在每秒几十个 token 的量级。
比速度数字更值得留意的是这笔合作本身。OpenAI 的算力盘子一向以英伟达、自研方向和云上部署为主，这次是把旗舰模型的一整档服务放到一家专做推理芯片的公司身上。对 Cerebras 是拿到了最硬的一份背书，对 OpenAI 则等于承认：在「低延迟」这个单一维度上，通用 GPU 不是唯一解。
官方措辞里那句「随算力扩充逐步扩大访问」也透着实情。晶圆级芯片的产能与部署规模跟 GPU 完全不是一个量级，所以能开的名额有限，Cerebras 那边挂出的是登记等候。换句话说，这一档现在更像能力展示，不是可以随手接进生产的容量。
OpenAI 列出的首批场景包括故障与安全响应、金融研究、客服与电商，以及语音和开发者代理。这些放在一起看有个共性：链路的下一环不是人，而是另一段程序或另一次调用。
最后这条也解释了开发者代理为什么会被列进首批场景——Codex 这类命令行代理跑一个长任务时，等待时间从来不只是体感问题，它决定了一天能推进多少轮。速度在这类场景里是可以换算成产出的。
定价没公布，OpenAI 与 Cerebras 双方的稿子里都没给单价；开放规模只说是「少数客户」；上下文长度、速率限制、会不会下放到 ChatGPT 前端，同样没有说明。结合 OpenAI 这个月在额度与套餐上的一连串调整看，Ultrafast 眼下更像是先把能力和合作关系摆出来占位，商业化细节要等容量跟上再谈。
对普通用户来说，短期内屏幕上不会有任何变化——这是纯 API 侧的事。真打算去排队接入的，与其盯名额，不如先把账号那头理顺：OpenAI 对异常出口环境的判定这两年只紧不松，接入前顺手用 GPT / Codex IP 检测 看一眼自己当前的出口 IP 是什么成色，比事后申诉省事得多。