OpenAI API に「Ultrafast」階層 - GPT-5.6 Sol を最大14倍速で動かす、供給はCerebras

Cerebrasは2026年8月13日、OpenAI APIの新しいサービス階層「Ultrafast mode」に自社の推論技術を提供すると発表した¹。対象はGPT-5.6 Solで、最大750出力トークン/秒、標準処理に対して最大14倍の速度で動かすとしている¹。提供は当初、OpenAIの顧客向けの限定プレビューに限られる¹。

注目すべきなのは、これがモデルの差し替えではない点である。Cerebrasは、Ultrafast上のGPT-5.6 Solは標準版と同じ知能で動くと説明している¹。速度が欲しいなら小型モデルか特化モデルに落とす、という従来の選択が別の形になる可能性がある。

何が提供されるのか

Ultrafast modeはOpenAI APIのサービス階層として位置づけられている¹。プレビュー段階では対象顧客が絞られており、OpenAIのVP Compute Strategy & GPT-InfraであるSachin Kattiは、Cerebrasの発表の中で「まず少数の顧客から始めて、その速度がどこで意味のある価値を生むかを学び、そこで得たことをサービスの拡大の仕方に反映させる」という趣旨を述べている¹。容量の拡大に伴う通知はCerebras側のサイトで受け付けている¹。

料金については、Cerebrasの発表にもTechCrunchの報道にも記載がない。標準処理との価格差は現時点では公表されていない。

GPT-5.6は2026年7月にSol・Terra・Lunaの3ティア構成で一般公開されたモデル群で、Solはその最上位にあたる。7月30日にはLunaの80%値下げとあわせて、APIの優先処理オプションがFast modeに刷新されており、そこではSolについて標準処理の最大2.5倍の速度を2倍の価格で提供するとされていた。今回の最大14倍は、その延長線上にある別の階層ということになる。

速度の根拠と、比較の読み方

速度の出どころとして説明されているのは、CerebrasのWafer-Scale Engineアーキテクチャである。ウェハーサイズのチップ1枚に44GBのSRAMを載せてモデルの重みをオンチップに保持し、GPUベースの推論のようにオンチップメモリとオフチップストレージの間で重みをやり取りしない構造で、これにより従来のハードウェアでフロンティアモデルの推論速度を制約しているメモリ帯域のボトルネックを取り除く、という説明になっている¹。

他社モデルとの比較も出ているが、ここは出所を確認しておく必要がある。Cerebrasは、UltrafastがClaude Opus 4.8のFast modeより5倍速く、Claude Fable 5より11倍速いとしているが、これはArtificial Analysisが報告したAnthropicモデルの出力速度に基づく比較である¹。Cerebrasが同一条件で自ら測定した結果ではない。

ベンチマークの数字も公開されている。大学院レベルの化学・経済学・文学にまたがる2,500問のHumanity’s Last Examで、GPT-5.6 Sol Ultrafastは全問を11時間あまりで回答した¹。Cerebrasのブログはより細かく11時間11分と記しており、比較対象のClaude Fable 5は78時間27分としている²。同等の正答率にほぼ7倍速く到達した、という整理である¹。法務ブリーフ・財務モデル・エンジニアリング報告書といった知識労働タスクのベンチマークGDP-Valでは、品質を落とさずエンドツーエンドで5.6倍の高速化を得たとしている¹。

いずれもCerebrasが提供した測定であり、第三者による独立検証ではない。同じ結果が自社のワークロードで再現するかは別の問題として残る。

「速い小型モデル」以外の選択肢

Cerebrasはこの発表を、速度が普及の制約になっているという主張と結びつけている。組織はこれまで大きいモデルの能力と小さいモデルの応答の速さのどちらかを選ぶ必要があった、というのが同社の位置づけである¹。CEOのAndrew Feldmanは「速度と知能はもはや両立しないものではない」と述べている¹。TechCrunchも、実時間の速度を得るには小型または特化したモデルを選ぶのがこれまでの通例だったと報じている³。

想定されている用途として挙がっているのは、本番のインシデント対応、サイバー脅威の検知、法務文書の分析、財務モデリングなどで²、TechCrunchはこれに加えてカスタマーサポートや金融市場分析、ECを伝えている³。いずれも、応答が遅いことが業務そのものの制約になる領域である。

実務的な影響が出るのは、レイテンシがボトルネックになっている使い方だろう。対話型のUI、ツール呼び出しを何十回も回すエージェントのループ、レビュー待ちが発生するコード生成では、1トークンあたりの生成速度がそのまま体感と反復回数に効く。逆に、バッチ処理や夜間のジョブのように待てる処理では、価格が公表されていない現時点で移行を検討する材料は乏しい。トークンの生成速度と課金の関係を整理しておきたい場合はトークンとはを参照してほしい。

推論の速度を専用ハードウェアで取りに行く動きは、ラボ側にも見える。Anthropicは8月に自社チップ設計チームの求人を公開しており、モデルとハードウェアの共同設計を志向している。フロンティアモデルの提供が、モデルの中身だけでなく「どのハードウェアで何秒で返すか」という階層で差別化され始めているとすれば、APIを選ぶ側も速度階層を含めて比べることになる。