Ultrafast 提速 14 倍：价格没公布，产能排到 2028 年

9 月 27 日，OpenAI 的 API 文档里多了一个没官宣的入口：Playground 的隐藏速度选项，Standard、Fast、Ultrafast 三档并排。后者官方口径是最高提速 14 倍。

而它背后的 750 兆瓦机房，早被写进合同，档期排到 2028 年。

这不是一次普通的功能预热。它把一件很少被摆到台面上的事挑明了：模型的快，正在被当成一种可以单独定价的资源。

Ultrafast 是 OpenAI 预览中的高速服务档位，跑的是 GPT-5.6 Sol，输出速度最高 750 tokens/s，官方称最高比标准模式快 14 倍。

先把最容易混的地方说清。这不是一个新模型，是同一个模型换了一条路给你。

藏在 Playground 里的三档速度

一句话讲清：Ultrafast 是同一个模型的速度档位，跟模型强不强没关系。

OpenAI 此前正式预览过搭载 GPT-5.6 Sol 的 Ultrafast 模式，输出速度最高 750 tokens/s，官方口径是最高比标准模式快 14 倍，目前仅向部分客户开放。IT之家 9 月 27 日的爆料说，Platform 和 API 文档里已经出现 Ultrafast 相关文档，Playground 里还藏着 Standard、Fast、Ultrafast 三档处理速度选项。

拆开看，这个三档和 OpenAI 已有的服务层级是两套逻辑。按需求弹性调层级的 flex 是便宜但慢，priority 是贵一点但排队靠前，它们管的是"你愿意为排队付多少钱"。Ultrafast 管的是另一件事：你愿意为每秒多出几百个 token 付多少钱。同样的提问，同样的回答质量，只是等待变短。

放到场景里。一个做语音客服的团队，一轮对话里模型要接在语音识别和语音合成中间，用户能忍的沉默大概只有几百毫秒。标准档下，模型说一句话要两三秒，电话那头的人已经以为掉线了。Ultrafast 缩短的正是这一段。

750 tokens/s 是怎么跑出来的

答案不在模型里，在芯片里。

主流 GPU 做推理有个绕不开的物理限制：一次前向计算要反复去卡外的显存（HBM）取数据，再在网络互连上跨服务器搬运。模型权重越大，搬运的次数越多，每一次都加一点延迟、耗一点电。这套结构的上限，是显存带宽和互连带宽，不是算力。

Cerebras 换了一条路，把整片硅晶圆当成一颗芯片用：46,225 平方毫米，是 H100 单芯片面积的 57 倍，4 万亿个晶体管，90 万个 AI 优化核心，44GB 片上 SRAM，片上带宽 21 PB/s。权重和中间结果尽量留在片上，不用来回搬。搬运这一环被省掉，token 才跑得起来。

对比一下量级。GPT-5.5 XHigh 大约每秒 70 到 100 个 token，多数生产环境的模型在每秒 150 个 token 上下。750 是这条基线的大约 5 倍，是上一代高配的 7 到 10 倍。

但这里得踩一脚刹车：token 生成快，不等于你感觉快。

真正决定体感的是两个不同的指标。首 token 时间（TTFT）是从发出请求到第一个字出现，卡在网络往返、排队、预填充计算上；token 间隔（ITL）才是后面每个字之间的间隙。有从业者的实测总结说得很直接：一个 provider 就算跑到每秒两千个 token，但如果首 token 要等 4 秒，用起来照样慢；反过来首 token 只要 200 毫秒但每秒只吐 30 个 token，开头很顺，长回答会卡。

Ultrafast 赢在持续输出那一段。

它能不能同时把首 token 时间压下来，官方并没有给公开数据，这一点得等真正开放的实测。

为什么 Agent 会把这个数字放大

单次聊天，快 5 倍只是少等几秒。但今天真正烧钱的用法，是让模型连续调几十次。

一个企业级智能体完成一件后台事务，中间可能串起 30 到 40 次模型调用：读日志、查代码变更、判断原因、写修补方案、再验证一遍。每一次调用的延迟都会叠加。标准档下每一步等 3 秒，40 步就是两分钟；每一步压到 0.6 秒，整条链变成二十几秒。用户对同一个产品的评价，"能用"和"卡"之间就差这一层。

OpenAI 自己列出的高价值场景也是这个方向：故障还没恢复时就在分析日志和代码变更、交易进行中判断可疑行为、多步客服问题不打断对话、购物车被放弃之前解决结账问题、把原来要跑一晚上的研究变成一次交互式工作会话。早期客户 Podium 做语音 AI 的产品负责人说，速度完全改变了复杂通话的体验；Rogo 的应用 AI 团队的说法更实在，速度快不只是让产品感觉好一点，它改变了人真正会拿它做什么。

这里有个容易被忽略的连带效应。速度变快，单次调用省下的不只是等待，还有被等待掩盖的 token 消耗。Agent 之所以反复重试、反复确认，一部分原因就是每一步太慢，工程师宁可让模型多思考几次来减少人工介入。延迟降下来之后，"多调一次"的代价变了，任务链的设计也会跟着变。

三个数字决定你到底快不快

聊推理速度，最容易被一个数字带偏。业内公认要看的其实是三个：

首 token 时间（TTFT）是从请求发出到第一个字回来的时间，受网络往返、排队、预填充计算影响；token 间隔（ITL，也叫 TPOT）是第一个字之后每个字之间的平均间隙，决定长回答读起来顺不顺；吞吐量是每秒能出多少 token，只有在前两个指标可接受之后才有意义。

放到场景里更直观。语音 Agent 一轮对话的预算大概 1 秒，其中语音识别端点检测约 150 毫秒，语音合成首字节约 150 毫秒，播放启动约 50 毫秒，留给模型的时间只有 600 毫秒左右。超过这个数，用户就会觉得对面那个 AI 反应慢，跟模型多聪明没关系。

这也是为什么"每秒两千个 token"的广告数字常常靠不住。一个 provider 吞吐再高，首 token 要等 4 秒，聊天体验依然是慢的；另一个首 token 只要 200 毫秒、每秒只吐 30 个 token，开头很顺，长回答照样会卡。

快芯片不一定更便宜

那为什么不干脆全换成这种专用芯片？因为每秒的 token 是买来的，不是白来的。

Cerebras 走的是定制晶圆路线，单位推理成本明显高于通用 GPU 集群。它的优势在短上下文、突发型负载和模型能装进片上的场景；一旦前缀特别长、缓存命中率又低，预填充那一段的账就要重新算。

通用 GPU 这边也没停着。把模型权重压到 NVFP4、FP8 这类低精度格式，显存带宽占用和预填充计算大致减半；把稳定的系统提示词缓存起来复用，预填充里最贵的那部分可以省掉六到九成；再加上小模型先猜、大模型并行校验的投机解码，草稿和答案越一致（代码、结构化输出、固定人设的对话）收益越高，实测常见 1.5 到 4 倍。

三条路叠在一起，通用 GPU 上的开源模型在真实负载里能追上不少差距。Cerebras 真正打不下来的，是"前沿闭源旗舰模型跑到这个速度档"这件事本身——这条路目前只有 OpenAI 加 Cerebras 组合能提供。

所以 Ultrafast 的定价逻辑不只是快，还有稀缺。

真正的门槛不是工程，是瓦特

如果只看技术，这条新闻没什么悬念：文档里出现了入口，DevDay 临近，扩大开放是顺理成章。

卡住进度的是另一件事。

Cerebras 和 OpenAI 的合作不是普通采购。2026 年 1 月 14 日双方公布的首笔推理协议价值超过 100 亿美元，OpenAI 部署 750 兆瓦的 CS-3 算力，支撑 ChatGPT 和 API 的推理负载；随后扩大为价值超过 200 亿美元的多年期主协议，同样的 750 兆瓦部署到 2028 年，并附带 2029 到 2030 年最多再加 1.25 吉瓦的选择权。协议里还有一笔 10 亿美元的营运资金安排，附带可认购最多 3340 万股 Cerebras 股票的认股权证，若全部行权，OpenAI 大约能拿到这家公司 11% 的股权。

750 兆瓦不是一个小数字。它是一个必须提前几年下单、逐机架交付的物理量。

这块芯片的部署又特别占地方。一颗 WSE-3 的物理尺寸远大于常规 GPU，一个模型副本要吃掉几十套晶圆级系统，这种配置扩起来只能一批一批来。OpenAI 的做法也印证了这一点：先用预览期摸清哪些负载真的受益，再决定产能往哪儿排。

所以"扩大开放范围"大概率不会表现为所有人第二天都能调到那一档。它更可能先变成更长的申请队列，和一份更细的分级价格表。

三个容易看错的判断

常见说法一："14 倍快"意味着任务快 14 倍。 这话有一定道理，因为宣传口径比较的就是输出速度。但它解释不了首 token 时间和排队时间，而这两项在真实使用里往往占大头：一个 provider 每秒吐两千个 token，首 token 等 4 秒，用户的第一印象依然是"慢"。更准确的理解是，14 倍指的是生成阶段的吞吐，端到端能快多少，取决于你的任务里生成占多大比例。

常见说法二：更快就一定更划算。 这也有道理，延迟本身就值钱，客服少沉默两秒可能直接换来成交。但它解释不了计费方式。Cerebras 的推理单价明显高于通用 GPU，Ultrafast 的具体定价至今没公布，业内普遍预期相对标准档有溢价。更准确的理解是，速度是买来的，值不值要看你的场景能不能把省下来的秒数换成钱——语音交互、实时风控、交互式调试能换，离线批处理换不到。

常见说法三：文档里出现了，就是明天能用。 有道理，因为文档先行确实是 OpenAI 惯用的预热节奏，DevDay 就在 9 月 29 日。但它解释不了产能约束。更准确的理解是，文档和隐藏选项说明产品在准备，扩大开放的时间点仍取决于晶圆级算力的交付进度。