OpenAI schaltet GPT-5.6 Sol auf Cerebras-Hardware – „Ultrafast“ liefert bis zu 750 Token je Sekunde
OpenAI hat am 13. August 2026 eine neue API-Dienststufe namens „Ultrafast“ in eine begrenzte Vorschau gegeben. Sie fährt dasselbe Modell GPT-5.6 Sol, laut Ankündigung aber bis zu 14-mal schneller als die Standardverarbeitung und mit bis zu 750 Ausgabe-Token je Sekunde. Gerechnet wird auf Hardware von Cerebras, dessen Wafer-Scale-Engine das Modellgewicht mit 44 GB SRAM je wafergroßem Chip auf dem Chip hält, statt es aus externem Speicher zu holen. Zugang bekommt zunächst nur eine ausgewählte Kundengruppe; ein Preis für die Stufe wird an keiner der von uns geöffneten Stellen genannt.
Was angekündigt ist: „Ultrafast“ ist nach übereinstimmender Darstellung von TechCrunch und heise eine neue Dienststufe (service tier) der OpenAI-API für GPT-5.6 Sol. Die beiden Kennzahlen, die überall genannt werden, lauten „bis zu 750 Ausgabe-Token pro Sekunde“ und „bis zu 14-mal schneller als der Standardmodus“. Der Zugang läuft als begrenzte Vorschau für eine ausgewählte Kundengruppe und soll nach OpenAIs Angabe ausgeweitet werden, „as capacity grows“. Als Anwendungsfälle nennt TechCrunch Incident Response, Kundendienst, Finanzmarktanalyse und E-Commerce.
Woher die Geschwindigkeit kommt: Cerebras schreibt im eigenen Beitrag vom 13. August 2026, man packe „44 GB of SRAM on each wafer-sized chip“. Das ist der technische Kern – bei konventioneller Inferenz-Hardware begrenzt die Speicherbandbreite, mit der die Modellgewichte für jedes einzelne Token herangeschafft werden müssen, die Ausgabegeschwindigkeit. Liegen die Gewichte auf dem Chip, entfällt dieser Engpass. heise beschreibt dieselbe Architektur.
Die Zahlen, die Cerebras selbst beibringt: Auf dem Benchmark Humanity’s Last Exam habe „GPT-5.6 Sol on Ultrafast mode answered all 2,500 HLE questions in 11 hours and 11 minutes“, während „Claude Fable 5 needed 78 hours and 27 minutes“ – ein Verhältnis von rund sieben zu eins, das wir aus den beiden genannten Zeiten selbst gerechnet haben. Auf GDP-Val nennt Cerebras eine Beschleunigung um das 5,6-Fache über den gesamten Durchlauf, „without any quality compromise“. Das sind Werbezahlen eines Hardware-Anbieters über sein eigenes Produkt, gemessen in seiner eigenen Umgebung; wir geben sie als solche wieder. Bemerkenswert ist immerhin, was sie messen: nicht die Antwortqualität, sondern die Zeit bis zum Ergebnis – die Größe, um die es bei dieser Ankündigung geht.
⚠️ Zur Beleglage, ausdrücklich: OpenAIs eigene Ankündigungsseite konnten wir nicht öffnen, sie antwortet unserem Werkzeug mit HTTP 403. Wir führen sie trotzdem als Quelle, weil sie existiert und die Primärquelle ist – aber wir haben sie nicht gelesen. Belegt haben wir die Meldung an drei anderen Stellen, die wir selbst geöffnet haben: TechCrunch, heise und dem Beitrag des Hardware-Partners Cerebras. Der Faktor 14 steht auf der Cerebras-Seite nicht; er stammt aus OpenAIs eigenem Titel und aus den beiden Rezeptionen. Und ein Negativbefund gehört dazu: In der API-Dokumentation zur Dienststufen-Verarbeitung führt OpenAI am 14. August 2026 nur „flex“, „auto“ und „default“ – „ultrafast“ ist dort nicht dokumentiert. Die Vorschau ist offenbar noch nicht in die öffentliche API-Doku eingeflossen.