OpenAI hat gemeinsam mit dem Chip-Hersteller Cerebras eine neue Service-Stufe für seine API vorgestellt: Der „Ultrafast"-Modus liefert Antworten des Flaggschiff-Modells GPT-5.6 Sol mit bis zu 750 Output-Tokens pro Sekunde aus — bis zu 14-mal schneller als die Standard-Verarbeitung. Der Start erfolgte am 13. August 2026 zunächst als limitierte Preview für eine ausgewählte Gruppe von API-Kunden. Der Zugang soll mit wachsender Kapazität schrittweise erweitert werden; Preise hat OpenAI bislang nicht genannt.
Wafer-Chips statt GPU-Cluster
Technisch möglich macht den Geschwindigkeitssprung die Wafer-Scale-Architektur von Cerebras. Das kalifornische Unternehmen fertigt Prozessoren in der Größe eines Esstellers aus einem einzigen Silizium-Wafer — mit 44 Gigabyte SRAM direkt auf dem Chip. Dadurch können Modellgewichte komplett auf dem Prozessor bleiben, statt ständig zwischen den vielen GPUs eines klassischen Nvidia-Clusters hin- und hergeschoben zu werden. Genau dieser interne Datenverkehr ist es, der bei herkömmlicher Inferenz die Verzögerung zwischen Prompt und Antwort verursacht.
Benchmarks: Elf Stunden statt drei Tage
Cerebras nennt zur Einordnung mehrere Zahlen — die allerdings vom Hersteller selbst stammen und daher mit der üblichen Vorsicht zu lesen sind:
- Auf dem Benchmark GDP-Val erreicht Ultrafast eine 5,6-fache End-to-End-Beschleunigung — ohne Qualitätsverlust gegenüber dem Standard-Modus.
- Den Testparcours „Humanity's Last Exam" mit 2.500 Fragen absolvierte GPT-5.6 Sol Ultrafast in gut 11 Stunden. Anthropics Claude Fable 5 benötigte laut Cerebras für vergleichbare Genauigkeit über 78 Stunden.
- Insgesamt sei Ultrafast 11-mal schneller als Claude Fable 5 und 5-mal schneller als Opus 4.8 im Fast-Modus.
- Previewing Ultrafast mode: GPT-5.6 Sol at up to 14X the speed — OpenAI
- Accelerating GPT-5.6 Sol Ultrafast with OpenAI — Cerebras
- OpenAI's new Ultrafast mode runs GPT-5.6 Sol 14 times faster, on Cerebras chips — The Next Web
- OpenAI gates its fastest GPT-5.6 Sol tier behind a limited preview — Cryptopolitan
OpenAI-Manager Sachin Katti erklärte, das Unternehmen wolle ausloten, welche Möglichkeiten entstehen, wenn Kunden die Intelligenz der fortschrittlichsten Modelle mit deutlich reduzierter Latenz erhalten. Cerebras-Chef Andrew Feldman wurde deutlicher: Geschwindigkeit und Intelligenz schlössen sich in der KI-Entwicklung „nicht länger gegenseitig aus".
Für wen lohnt sich das?
Als Zielanwendungen nennt OpenAI zeitkritische Szenarien: die Reaktion auf Produktionsausfälle und Sicherheitsvorfälle, Live-Kundensupport, Coding-Assistenten, E-Commerce und interaktive Recherche. Überall dort, wo Nutzer oder Agenten auf eine Antwort warten müssen, bevor der nächste Schritt folgt, zählt jede Sekunde — insbesondere bei agentenbasierten Workflows, in denen ein Modell dutzende Zwischenschritte nacheinander ausführt.
Was bedeutet das?
Die Ankündigung markiert eine Verschiebung im KI-Wettbewerb: Da sich die Spitzenmodelle in ihren Fähigkeiten zunehmend annähern, werden Geschwindigkeit und Effizienz zum entscheidenden Unterscheidungsmerkmal. Anthropic bietet mit dem Fast-Modus für Opus bereits ein ähnliches Konzept an, Google positioniert seine Flash-Modelle über den Preis. OpenAI kontert nun mit purer Auslieferungsgeschwindigkeit für ChatGPT-Technologie auf API-Ebene.
Bemerkenswert ist die Partnerschaft auch strategisch: Für OpenAI bedeutet der Cerebras-Deal einen weiteren Schritt weg von der Abhängigkeit von Nvidia-Hardware. Für Cerebras wiederum ist der Auftrag des wichtigsten KI-Unternehmens der Welt eine dringend benötigte Bestätigung nach dem Börsengang — Investoren hatten zuletzt bezweifelt, dass sich die Wafer-Scale-Technologie in nachhaltige Gewinne übersetzen lässt. Ob Ultrafast zum Standard wird, hängt nun vor allem an zwei Fragen: dem Preis und der verfügbaren Kapazität.