Cerebras und OpenAI haben am 13. August 2026 den Ultrafast Mode gestartet, eine neue Tarifstufe der OpenAI-API. GPT-5.6 Sol läuft darin mit bis zu 750 Ausgabe-Token pro Sekunde und beantwortete die 2.500 Fragen des Prüfungsparcours Humanity’s Last Exam in 11 Stunden und 11 Minuten. Claude Fable 5 brauchte dafür mehr als drei Tage.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Geschwindigkeit galt in der KI-Branche bisher als Zugeständnis kleiner Modelle an knappe Budgets. Beim Ultrafast Mode zahlen Kunden erstmals für Tempo am Spitzenmodell, vorerst in einer Vorschau für ausgewählte Unternehmen.
Das Wichtigste in Kürze
- Der Ultrafast Mode bedient GPT-5.6 Sol in der OpenAI-API mit bis zu 750 Ausgabe-Token pro Sekunde.
- Cerebras beziffert den Vorsprung auf das Elffache von Claude Fable 5 und das Fünffache von Claude Opus 4.8 im Fast-Modus.
- Das Tempo stammt von 44 Gigabyte SRAM auf einem wafergroßen Chip, auf dem die Modellgewichte liegen bleiben.
- Einen Preis nennt bislang keiner der beiden Anbieter.
Warum bringt ein wafergroßer Chip 750 Token pro Sekunde?
Schnelle Inferenz ist ein Transportproblem. Auf Grafikprozessoren wandern die Modellgewichte für jedes einzelne Token aus dem Speicher neben dem Chip auf den Chip; die Speicherbandbreite setzt dabei die Grenze.[1] Cerebras legt stattdessen 44 Gigabyte SRAM auf einen wafergroßen Chip. Die Gewichte bleiben liegen, nur die Zwischenergebnisse laufen von Wafer zu Wafer weiter.
Dieselbe Zahl markiert die Grenze der Bauart. Der Kontextspeicher jeder laufenden Anfrage muss in denselben 44 Gigabyte Platz finden, die schon die Gewichte weitgehend füllen; nach außen hängt ein Wafer an rund 150 Gigabyte pro Sekunde, einem Bruchteil der Werte moderner Beschleuniger.[2] Lange Kontexte und viele parallele Nutzer werden dadurch teuer, der einzelne Auftrag in Höchstgeschwindigkeit dagegen günstig. Genau deshalb startet Ultrafast als begrenzte Vorschau ohne Preisliste.
Warum wird Tempo zur eigenen Preisstufe?
Dieses Muster wiederholt sich seit anderthalb Jahren. Cerebras beschleunigte schon im Februar 2025 die Flash Answers in Mistrals Le Chat auf über 1.100 Token pro Sekunde.[3] Ende 2025 sicherte sich Nvidia per Lizenzvertrag die Inferenztechnik des Wettbewerbers Groq. Spezialsilizium rückt damit aus der Nische in die Preislisten der großen KI-Anbieter.
OpenAI plant größer. Nach der Rechnung der Analysefirma SemiAnalysis hat der Konzern bei Cerebras Rechenleistung im Umfang von 750 Megawatt gebucht.[2] Den Nutzen zeigen agentische Abläufe, in denen ein Modell eigene Subagenten steuert und jede Zwischenantwort die nächste blockiert.
Der Ultrafast Mode von OpenAI und Cerebras verschiebt die Rechnung vom Token-Preis auf die Wartezeit: Bei einer Störung im laufenden Betrieb zahlt sich eine Antwort in Sekunden aus, beim nächtlichen Stapellauf nicht.
— Markus Seyfferth, Chefredakteur Dr. Web
Tempo-Vergleich nach Messungen von Cerebras
Was sollten Teams in der DACH-Region vorher prüfen?
In Deutschland, Österreich und der Schweiz entscheidet weniger die Token-Rate als der Ort der Verarbeitung. OpenAI schaltet die Datenresidenz nur für freigegebene Kunden pro Projekt frei; außerhalb der USA setzt der Konzern zusätzlich genehmigte Missbrauchskontrollen und eine geänderte Aufbewahrungsvereinbarung voraus; Endpunkte mit Regionsbindung kosten für Modelle ab dem 5. März 2026 zehn Prozent Aufschlag.[4] Eine frisch gestartete Vorschaustufe steht in dieser Liste nicht automatisch.
Vor dem ersten Prompt mit Kundendaten lohnen zwei Prüfungen: ob GPT-5.6 Sol im Ultrafast Mode über den EU-Endpunkt läuft, und wie viel Wartezeit in den eigenen Abläufen am Modell hängt. Viele Anfragen brauchen ohnehin kein Spitzenmodell. Die Rechnung für Agenten-Token steigt auch ohne Tempozuschlag.
Was ist der Ultrafast Mode von OpenAI?
Der Ultrafast Mode ist eine neue Tarifstufe der OpenAI-API, die seit dem 13. August 2026 in einer begrenzten Vorschau läuft. Sie bedient das Modell GPT-5.6 Sol auf Wafer-Chips von Cerebras statt auf Grafikprozessoren und zielt auf Aufgaben, bei denen die Wartezeit zählt.
Wie schnell ist GPT-5.6 Sol im Ultrafast Mode?
Cerebras beziffert die Ausgabe auf bis zu 750 Token pro Sekunde. Die 2.500 Fragen des Benchmarks Humanity’s Last Exam beantwortete das Modell in 11 Stunden und 11 Minuten, Claude Fable 5 benötigte dafür 78 Stunden und 27 Minuten. Auf dem Aufgaben-Benchmark GDP-Val misst Cerebras einen 5,6-fach schnelleren Durchlauf.
Warum ist ein Wafer-Chip bei der Inferenz schneller als eine Grafikkarte?
Auf Grafikprozessoren wandern die Modellgewichte für jedes Token zwischen dem Speicher auf dem Chip und dem Speicher daneben hin und her. Cerebras legt 44 Gigabyte SRAM auf einen wafergroßen Chip, sodass die Gewichte liegen bleiben und nur noch die Zwischenergebnisse von Wafer zu Wafer laufen.
Was kostet der Ultrafast Mode?
Weder OpenAI noch Cerebras haben bislang einen Preis für die Tempostufe veröffentlicht. Der Zugang bleibt vorerst auf ausgewählte Kunden begrenzt. Kalkulieren lässt sich bisher nur der Aufschlag für Endpunkte mit Regionsbindung, den OpenAI für Modelle ab dem 5. März 2026 mit zehn Prozent angibt.
Ein eigener Test klärt mehr als jede Benchmark-Tabelle: einen echten Vorfall aus dem Betrieb einmal im Standardtarif und einmal im Ultrafast Mode durchspielen, dann die gesparten Minuten gegen den Aufpreis stellen. Für Daten mit europäischer Bindung bleibt eine Inferenz-API auf europäischen Servern die konservativere Wahl.
Quellen
[1] Cerebras: „Accelerating GPT-5.6 Sol Ultrafast“ (13. August 2026)
[2] SemiAnalysis: „Cerebras — Faster Tokens Please“ (Architektur- und Kostenanalyse)
[3] Cerebras: „Cerebras brings instant inference to Mistral Le Chat“
[4] OpenAI: „Data controls in the OpenAI platform“ (Datenresidenz)
Mehr Newshunger?
- Inferenzkosten für Kimi K3: AMDs MI355X liefert mehr Token je Euro als Nvidias B300
- AMD übernimmt Taalas und ätzt KI-Modelle direkt in den Chip
- 1000 Tokens pro Sekunde: Xiaomi bricht die Marke
- OpenAI senkt den Luna-Preis um 80 Prozent, das Spitzenmodell bleibt teuer
- Nemotron 3.5 Lightning: Nvidia wählt Tempo statt Spitzenplatz
