一句话导语

OpenAI将推理速度本身商品化，通过Ultrafast模式将GPT-5.6 Sol的生成速度提升至每秒750 token，背后是Cerebras的专用芯片。

发生了什么

据The Decoder报道，OpenAI正式推出名为“Ultrafast”的新型推理模式，该模式基于其与Cerebras达成的100亿美元合作，将GPT-5.6 Sol的输出速度提升至每秒750 token，相比标准模式快约14倍。与此同时，OpenAI将推理服务划分为“Standard”、“Fast”和“Ultrafast”三档，形成以速度为维度的定价体系。这一举措意味着，用户可以为更快的响应时间支付额外费用，而不仅仅是按token计费。

为什么重要

过去，大模型API的定价主要基于token数量，速度差异通常被忽略或作为附加特性。OpenAI此次将速度作为独立产品维度，反映了推理优化已成为竞争核心。Cerebras的晶圆级芯片在延迟和吞吐量上具有优势，此次合作不仅为OpenAI提供了差异化能力，也验证了专用硬件在AI推理中的商业价值。对于开发者而言，速度分层意味着可以在成本和用户体验之间做出更精细的权衡：实时交互场景（如客服、编程助手）可选用Ultrafast，而批量处理任务则可用Standard以降低成本。这一模式可能促使其他云服务商跟进，推动推理市场从“按量计费”转向“按需提速”。

影响与看点

首先，对开发者来说，Ultrafast模式将显著改善高交互性应用的响应体验，但需评估成本增量是否值得。其次，OpenAI与Cerebras的深度绑定，可能影响英伟达在AI推理市场的份额，但Cerebras的产能和生态成熟度仍是挑战。值得关注的是，OpenAI是否会进一步将速度分层扩展到其他模型，以及Cerebras芯片在训练与推理中的综合表现。一个独立判断是：速度分层虽能短期提升收入，但长期可能加剧API服务的同质化竞争，真正的护城河仍在于模型能力与生态粘性。