120B模型飙到2000 token/秒，CFO更放话已在跑GPT-5.5！Cerebras 560亿美元IPO首日暴涨68%，但SemiAnalysis万字拆解直指死穴。

SemiAnalysis，硅谷最硬核的芯片分析机构，4月份光是AI工具的订阅费就烧到了年化1000万美元。

其中80%花在同一个地方，Anthropic的Opus 4.6 fast模式。

它比标准模式贵6倍，但token输出速度快2.5倍！

让它跑这么快的，正是Cerebras的WSE-3，一块餐盘大小的晶圆级芯片。

这件事直接引爆了一笔246亿美元的合同，也把Cerebras一路推进了纳斯达克。5月14日首日暴涨68%，2026年至今最大科技IPO。

但Cerebras CFO Bob Komin说，这还只是开胃菜。

IPO前夜，他在采访中亮了一张没人预料到的牌——

我们服务所有模型，对模型大小没有限制。今天，我们正在跑万亿参数的模型。我们正在跑OpenAI内部的GPT-5.4和GPT-5.5。

如果这是真的，Cerebras就不只是一个「小模型快跑」的玩家了，IPO当天的疯狂涨幅立刻站得住脚。

但SemiAnalysis偏偏在同一周甩出了一篇两万字的技术拆解报告，直接把这个故事撕开了一道口子。

Cerebras公开云上，最大的生产模型是GPT-OSS，总参数120B；预览模型最大355B。曾经上过的Llama 70B和405B，后来也被悄悄下了架。

2025年最火，但体量也更大的开源模型（比如DeepSeek），从头到尾就没出现在Cerebras Cloud上。

重点来了，SRAM。

GPU用的是HBM（高带宽内存），容量大但速度相对慢。一块B300配了288GB的HBM，带宽在TB/秒级别。

WSE-3只有44GB的SRAM，但内存带宽高达21PB/秒。

SemiAnalysis做了一个很直观的对比。

同样只给一个用户生成token的场景下，GPU能实际利用的算力只有理论峰值的零头。WSE-3理论上可以把全部15.6 PFLOPS的FP16算力吃满。

差距不是百分之几十，而是数量级的。

对于小模型来说，WSE-3的44GB SRAM绰绰有余，但放到今天的大模型面前根本不够看。

DeepSeek V4有1.6万亿参数，即使用最激进的压缩方式（FP8量化），光权重就要490GB。一块WSE-3装不下，要切成至少12块塞进12块晶圆。

分布就要通信，而这也是Cerebras最致命的短板。

每块WSE-3对外带宽只有150GB/秒。

英伟达一块Blackwell GPU通过NVLink5能跑到900GB/秒，是Cerebras的6倍。被英伟达收购的Groq更夸张，单颗LPU3就有9.6Tb/秒，8倍。

速度快，但模型小、上下文短、选择少。这就是开发者今天拿到手的Cerebras。

但这里藏着一个很多人还没注意到的细节，足以改变整个竞争格局。

Cerebras与OpenAI的协议里写着一条排他条款，合同期内不得向「特定OpenAI竞争对手」出售产品。

CEO Feldman没有点名，但所有人都知道指的是谁，Anthropic。

12%股权、10亿美元贷款、246亿美元订单锁定。Cerebras已经被牢牢绑在了OpenAI的战车上。

如今，AI军备竞赛的主战场已经变了。

训练只做一次，推理每天做数十亿次。

2026年三分之二的AI算力消耗在推理上，到2027年预计达到80%。

根据OpenAI的计划，AWS的Trainium负责理解用户输入，Cerebras负责生成输出token，GPU负责训练和长上下文，三套硬件各管一段。这套组合拳只为一件事，成本打下来，速度拉上去。

对比之下，Opus 4.6 fast的速度已经从100 token/秒退化到了70 token/秒，Cerebras也在合同里把它锁在了门外。

那么问题来了，Anthropic的极速推理方案在哪里？

参考资料：

https://x.com/dee_bosa/status/2055351401472020949?s=20

https://newsletter.semianalysis.com/p/cerebras-faster-tokens-please

本文来自微信公众号“新智元”，作者：ASI启示录，36氪经授权发布。