8 月 14 日凌晨，OpenAI 联合 AI 芯片厂商 Cerebras 正式预览旗舰模型 GPT-5.6 Sol 的新服务层级「超高速模式」（Ultrafast Mode）。
按照 OpenAI 披露的数据，GPT-5.6 Sol 在该模式下的输出速度最高可达 750 tokens/s，相比当前 Standard（标准）模式约 53 tokens/s 的推理基线，速度提升最高达 14 倍，且质量不降低。横向对比中，GPT-5.6 Sol 加速后比 Fable 5 快 11 倍，比 Opus 4.8 的 Fast 模式快 5 倍。
Ultrafast 模式将率先在 OpenAI API 中推出，目前已向部分客户开放有限预览版。OpenAI 与 Cerebras 还整理了一张当前先进大模型在速度与智力维度上的对比表，其中 GPT-5.6 Sol Ultrafast 处于领先位置。
HLE 测试中用时 11 小时 11 分钟完成 2500 道题
在 Cerebras 博客中，工程人员介绍了模型在「人类最后的考试」（Humanity's Last Exam，HLE）上的测试结果。HLE 是一项高难度模型基准，包含 2500 道题，通常只有化学、经济学、文学等领域的博士才能解答。
根据披露，GPT-5.6 Sol 的超高速模式用 11 小时 11 分钟回答完全部题目。作为直接对手的 Claude Fable 5 用时 78 小时 27 分钟，超过 3 天连续计算才完成同样任务。在准确率相近的情况下，GPT 超高速模式的速度接近 Claude Fable 的 7 倍。
OpenAI 列出法律、金融、工程等使用场景
OpenAI 表示，随着模型能力提升，快速推理的适用范围也会扩大。GPT-5.6 Sol 是 OpenAI 迄今在法律文书、金融模型和工程报告方面表现最好的模型。在 GDP-Val 这一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，质量未受影响。
OpenAI 给出的应用场景包括：
- 事件响应和可靠性：在关键系统故障时，分析应用日志、最近的代码变更和工程师报告，定位可能原因，并在故障仍在发生时协助准备修复方案。
- 金融研究与安全：在市场形势快速变化时，分析市场信号、评估交易并识别可疑活动。
- 客户支持和语音：实时处理复杂客户问题，即使答案涉及多个步骤或系统，也不打断对话。
- 商务：在用户尚未放弃购物车前，回答产品问题、检查库存、提供个性化推荐并处理结账问题。
- 实时研究和实验：把过去需要过夜完成的研究，缩短为可交互的工作会议流程，让团队在不中断工作流的情况下测试想法、检查结果并调整方法。
在 OpenAI 内部测试中，事件响应是 Ultrafast 的一个典型用例。警报触发后，工程师需要在系统与证据持续变化时迅速建立准确的事件图景。OpenAI 称，借助 Sol 级别的智能，团队可以快速读取日志、分析追踪信息、汇总对话、确定下一步检查内容，并协助准备或验证修复方案。Ultrafast 模式缩短了从发现信号、验证假设到选择下一步行动之间的延迟，但最终判断和部署仍由工程师负责。
在研究场景中，OpenAI 团队使用 Ultrafast 快速搜索知识库、查询数据，并整理和汇总来自不同工具的信息。过去常见的流程是夜间启动一批实验，第二天早上查看结果；采用 Ultrafast 后，这一发现流程被缩短，支持团队在一个工作日内进行多次迭代。
Cerebras 以晶圆级架构突破推理解码带宽瓶颈
OpenAI 与 Cerebras 将这次提速归因于对传统 GPU 集群在大模型推理解码阶段内存带宽瓶颈的突破，其实现主要依赖 Cerebras 的晶圆级硬件架构。
按照文章介绍，Cerebras 的方案与常见 AI 芯片路线不同，其历代芯片采用整片晶圆制造，在单片上集成大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，需要不断在片外 HBM 和计算核心之间搬运庞大的模型权重；多卡切分还会带来跨芯片互连，例如 PCIe/NVLink 的通信延迟。
而 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，以及最高 44 GB 的片上高速 SRAM。模型参数可以直接常驻在高带宽片上 SRAM 中，减少反复从片外内存加载权重带来的等待时间。
对于 GPT-5.6 Sol 这类前沿旗舰模型，完整参数规模显然高于单芯片容量。Cerebras 还提供「多晶圆流水线并行」（Pipelined across wafers）机制，将模型不同网络层分布到多颗晶圆上，各层参数分别常驻在对应芯片的 SRAM 中，使 Token 能在晶圆之间流水传输。
旗舰模型提速后，部分任务不必再切换次级模型
文章提到，对大模型用户来说，旗舰模型达到 14 倍速，意味着过去不少必须切换到次级模型，如 Luna 和 Terra，才能完成的任务，现在可能可以直接使用满性能版本执行。对需要多轮工具调用、代码生成与排错、复杂链式思考的 Agent 任务，原本耗时数小时的流程可被压缩到数分钟。
文末提到，AI 社区也已经开始期待 Luna 和 Terra 版本的超高速模式能否推出，但 Cerebras 的芯片供给是否足够，文中未给出更多信息。