每秒 750 个 token，agent 的定位就变了

OpenAI 和 Cerebras 把 GPT-5.6 Sol 跑在晶圆级芯片上，输出速度到了每秒 750 个 token。Artificial Analysis 测出来是 Fable 5 的 11 倍，是 Opus 4.8 开 Fast 模式的 5 倍。名字叫 GPT-5.6 Sol Ultrafast，现在在 OpenAI API 上限量预览。

原理又老又物理。Cerebras 在单块晶圆级芯片上塞了 44GB SRAM，模型权重直接留在片上，不用在存储层级之间来回搬。大模型推理本质上是个披着算力外衣的搬运问题，权重不动，瓶颈就消失了。GPU 在这个尺寸上做不到，所以别家的数字长不成这样。

最有说服力的演示是 Humanity's Last Exam。2500 道博士级题目，11 小时答完，Claude Fable 5 要 78 小时以上。在广义经济价值任务上他们测到 5.6 倍加速，质量不掉。OpenAI 一位研究员的说法最实在：我还没来得及切换注意力，它就跑完了。

这句话就是全部故事，而且重点不是方便。过去两年做出来的每一个 agent 产品，底层假设都是「跑一个 agent，你点了启动然后离开，过会儿回来看」。异步队列、通知、进度看板、驾驶舱、整个监督层。这些基础设施之所以存在，就因为 agent 慢。到了每秒 750 token，agent 不再是后台任务，而是一个同步工具，意味着它可以站在生产事故和安全响应的关键路径上——那种场景里，等八分钟是不可接受的。现在正在被大量建造的工具，有相当一部分是在给延迟打补丁，而延迟正在被解决掉。

细节在 cerebras.ai/blog，价格还没公布。