夜雨聆风
凌晨一点，硅谷被一张视频封面炸醒了。
OpenAI官方账号发布了一条44秒的演示视频：同一个GPT-5.6 Sol，左边在Standard档位上慢条斯理地吐代码，右边却在以每秒750个token的速度疯狂输出，一个完整的3D仓储模拟器，右边已经搭建完毕，左边才刚画完地基。随后，Sam Altman只用了一个词转发了这条推文：“/ultrafast”。
你上一次看到奥特曼这么惜字如金，还是GPT-5发布那天。
这次的爆点落在速度上：同一套前沿智能被塞进了一条短得多的等待时间里，最高14倍于标准速度，官方还宣称智能不打折。负责驱动这条极速通道的是Cerebras，绕开了英伟达硬件。
▲ OpenAI官方深夜释出的演示视频封面，并排对比Ultrafast与Standard的生成速度，视觉冲击极强
2000个token，2.7秒：等待被重新定义了
先别急着谈技术我们来说说“2.7秒”意味着什么
按照OpenAI官方公布的数据，Ultrafast模式下的GPT-5.6 Sol输出速率最高达到每秒750个token。科技资讯账号Chris（@ChrisGPT）在引用官方消息时做了个直观换算：一个2000 token的代码补丁，大约2.7秒就能流式吐完；而完整的128K输出上限，理论上约3分钟就能跑完。
*这里的2000以token为单位；若换算为代码行，会因语言和写法而变化。*但即便如此，这个数字也足够让每个写过代码的人头皮发麻。
你上一次等模型补完一个函数、起身去倒杯水、回来看它还在“推理中”的日子，可能真的要结束了。OpenAI员工Sherwin Wu在转发中用了更激进的判断：750 tok/s对多数工作负载“几乎像瞬时”，瓶颈会转移到工具本身。文件系统、测试套件、浏览器自动化、你那套用了八年的企业内部API，才是下一块天花板。
▲ Cerebras官方同步发文：完整GPT-5.6 Sol，最高750 tok/s，HLE考试11小时11分钟刷完
而Cerebras给出的背书更“狂”：GPT-5.6 Sol Ultrafast用11小时11分钟跑完了Humanity's Last Exam的2500道题，接近7倍于Claude Fable 5的全程耗时，且准确率“可比”。
11小时11分这个数字的象征意义，几乎和它本身一样重要，曾经要花三天三夜的“人类终极考试”，现在可以在一个中国工作日的通勤加加班之间跑完了。
44GB片上内存：为什么Cerebras能“叫板”英伟达？
技术线索要从一块比你的脸还大的芯片说起。
传统GPU推理大模型的瓶颈，可以这样理解：模型权重就像一位厨师的全部菜谱，但每次炒菜之前，他都得从很远的总仓库把菜谱一页一页搬进厨房。GPU的显存带宽，就是这条“搬菜谱的路”。Cerebras选择把整片晶圆做成一颗芯片，省去了切成几百颗小GPU的做法。这块WSE-3上塞了44GB片上SRAM，菜谱直接摊在灶台旁边，厨师伸手就能翻。
结果就是：Cerebras此前在开源模型上演示过每用户数千token/s的惊人吞吐，早已在极客圈声名大噪。但这次，它拿下了OpenAI闭源旗舰Sol的商业化接入。
▲ Cerebras博客：Accelerating GPT-5.6 Sol Ultrafast，顶部柱状图清晰对比Ultrafast 14×、Fast 2.5×、Standard 1×
事实上，这场联姻早在2026年1月就已铺垫。当时TechCrunch报道OpenAI与Cerebras达成多年算力合作：约750兆瓦算力、总价值超100亿美元。当时的新闻稿把这次合作类比为“宽带之于互联网”，没人会嫌弃网速太快，只是还没意识到自己的产品形态会被网速重塑。
八个月后，第一件“可见交付物”落地了
▲ 奥特曼只回了一个词：“/ultrafast”，像一句产品口令，也像一句战书
一场从“更聪明”到“先答完”的军备竞赛
速度带来的变化，落在竞争轴的倾斜方向。
过去两年，AI行业的主旋律是“谁更聪明”：智力榜、编码榜、多模态榜，各家轮番刷榜。但GPT-5.6 Sol在Artificial Analysis上的定位很微妙：智力指数约61，输出速度约62.3 tok/s，被评价为“接近最强竞品，但单位成本更低”。当能力差距收窄到普通用户几乎无感的时候，“谁先答完”就变成了新的战场。
▲ Artificial Analysis上GPT-5.6 Sol标准API的测速基线：约62.3 tok/s。14倍之后，就是750的量级
这就是为什么OpenAI要把速度做成产品档位：Standard、Fast（2.5×、约2倍价格）、Ultrafast（14×、价格未公开）。这和云计算卖“标准实例/加速实例/预留实例”的逻辑一模一样。未来企业采购AI服务，招标字段里可能不再只有“模型名称”，还会有P95延迟、峰值tok/s、故障切换路径。
而对英伟达来说，这是一个不能再忽视的信号：OpenAI在英伟达生态之外，保留并展示了另一条可商业化的推理路径。CUDA仍占据主导，但前沿闭源模型的极速通道，第一次系在了别人的芯片上。
只不过，这场喧嚣背后也有“冷静剂”社区评论里反复出现的疑问是：既然限量预览、多数人用不上，为什么现在就要高调宣布？另一个待验证的问题是：750 tok/s是否牺牲了输出质量？官方和Cerebras都坚称“同智能、无妥协”，但独立第三方的大规模复测，目前还几乎空白。Hacker News上的开发者则指出：HLE的2500道题互相独立、高度可并行，总耗时对比如果没固定并行度和资源池，解读就会失真。真实coding agent循环中，工具调用、二次prefill、等待测试套件，都会把端到端加速比从“峰值14×”拉回地面。
烧钱机器与2.7秒：速度是一把双刃剑
Chris的推文评论区里，有一条回复值得你品：“Astra + Ultrafast Mode = an absolute money-draining machine”，烧钱机器。
▲ 网友锐评：Astra + Ultrafast = 烧钱机器。速度越快，浪费越多？
这句话戳中了行业焦虑：更快不会自动等于更高效。糟糕的提示词、冗余的agent循环、无意义的反复试错，也会以14倍的速度消耗你的token预算。OpenAI自己此前就在效率声明中强调“让每个token做更多有用功”，速度档位和token效率，其实是同一枚硬币的正反面。
但对那些“每一秒都是钱”的场景，生产事故处置、盘中金融研究、实时风控、电商客服，Ultrafast的产出价值，可能远超它的账单。Sherwin Wu说的“瓶颈转移到工具本身”，翻译成人话就是：模型速度上来后，慢点会落到你的组织上。
这大概是整个事件里，最值得每位读者记住的一句潜台词。
当AI快到让你来不及“先去干点别的”，人类的工作方式，就轮到被迫重构了。
