OpenAI 正在预览一项名为 Ultrafast 的新 API 服务层，专为 GPT-5.6 Sol 模型设计，推理速度最高可达标准版本的 14 倍。这一举措标志着模型部署策略向性能分层迈出重要一步。
发生了什么
根据 OpenAI 官方公告，Ultrafast 是面向开发者的新服务层级，通过 Cerebras 的定制硬件加速，将 GPT-5.6 Sol 的生成速度提升至每秒 750 个输出 token，相比常规 API 端点提速约 14 倍。该服务目前处于预览阶段，具体定价和公开可用性尚未披露。
为什么重要
此次发布并非简单的性能优化，而是反映了 AI 基础设施竞争的深层变化。Cerebras 以其晶圆级引擎（WSE）著称，在推理吞吐量上具有独特优势。OpenAI 选择与 Cerebras 合作，而非完全依赖自研或英伟达硬件，表明市场对多样化推理芯片的需求正在增长。同时，速度分层策略也暗示模型部署正从“一刀切”转向按场景定制：高延迟容忍的应用可继续使用标准层，而实时交互、高频调用等场景则可通过 Ultrafast 获得显著提升。
影响与看点
对开发者而言，Ultrafast 意味着更低的响应延迟，这对于构建实时聊天机器人、代码补全、语音助手等应用至关重要。每秒 750 token 的吞吐量，将使得大规模生成任务（如批量内容生成）的完成时间大幅缩短。然而，值得注意的是，速度提升是否伴随成本增加、可用性限制或速率上限，目前尚不明确。此外，Cerebras 硬件的引入可能对现有 GPU 云服务商构成竞争压力，推动推理价格进一步下降。一个值得关注的独立判断是：Ultrafast 的预览可能只是 OpenAI 性能分层策略的开始，未来或将推出更多针对不同模型和场景的专属服务层，从而在保持模型能力的同时，满足多样化的生产需求。
