La modalità più veloce di OpenAI evita Nvidia

750 token al secondo, in anteprima limitata

OpenAI e Cerebras hanno annunciato la modalità Ultrafast per GPT-5.6 Sol il 13 agosto 2026, con fino a 750 token di output al secondo, fino a 14 volte più veloce dell'elaborazione standard del modello, secondo l'annuncio ufficiale di OpenAI sull'anteprima. Il livello è disponibile ora solo per un gruppo selezionato di clienti mentre OpenAI valuta come la velocità aggiuntiva cambi i prodotti reali; altre aziende possono iscriversi a una lista d'attesa inviando i dettagli del proprio carico di lavoro. Il ricercatore di OpenAI Jeffrey Wang ha descritto l'effetto pratico nei materiali dell'azienda: 'Ora finisce prima ancora che io abbia l'occasione di cambiare contesto. Mi rende molto più produttivo.'

OpenAI indica interfacce vocali, assistenza clienti, commercio, agenti per sviluppatori, ricerca finanziaria e risposta a incidenti di sicurezza come casi d'uso previsti, e afferma che i propri sviluppatori hanno usato l'anteprima per analizzare log e tracce durante incidenti e per comprimere cicli di ricerca che prima duravano una notte intera in più iterazioni nell'arco di una singola giornata lavorativa. GPT-5.6 Sol è stato lanciato a giugno 2026 insieme alle varianti Terra (equilibrata) e Luna (orientata alla velocità), ed è diventato ampiamente disponibile su ChatGPT, Codex e l'API a luglio.

Il chip che fa il lavoro non è di Nvidia

Il guadagno di velocità deriva dalla Wafer-Scale Engine di Cerebras, che mantiene i pesi completi di un modello residenti direttamente sul chip, distribuiti su 44 gigabyte di SRAM integrati in ogni processore delle dimensioni di un wafer, secondo il post ufficiale del blog di Cerebras sulla partnership. Questo elimina i trasferimenti ripetuti tra memoria e calcolo che generano latenza sui cluster GPU convenzionali, permettendo ai token di fluire senza interruzioni attraverso livelli del modello organizzati in pipeline e distribuiti su più wafer - un design pensato per scalare man mano che i modelli crescono, secondo la descrizione tecnica di Cerebras stessa.

Cerebras posiziona questa architettura da anni come alternativa più veloce, seppure meno flessibile, ai cluster GPU di Nvidia per i carichi di lavoro di inferenza, ma le sue collaborazioni pubbliche più di rilievo finora si erano orientate verso laboratori piccoli o di medie dimensioni, non verso il maggiore acquirente singolo di capacità Nvidia dell'intero settore. Gli impegni infrastrutturali di OpenAI verso Nvidia ammontano a centinaia di miliardi di dollari, una relazione che questa testata ha già raccontato in dettaglio, il che rende la scelta di far girare persino un livello di anteprima limitata su un'architettura di chip concorrente un dato notevole, non una semplice diversificazione di fornitori.

Cosa compra davvero la velocità

Su GDP-Val, un benchmark costruito attorno a compiti di lavoro economicamente rilevanti, OpenAI riporta un'accelerazione end-to-end di 5,6 volte senza perdita di qualità misurata. Su Humanity's Last Exam, un test di 2.500 domande di livello dottorale, GPT-5.6 Sol Ultrafast ha completato l'intero set in 11 ore e 11 minuti contro le 78 ore e 27 minuti di Claude Fable 5, secondo il confronto pubblicato dalla stessa Cerebras - circa sette volte più veloce su quel benchmark specifico, insieme alle affermazioni separate di Cerebras di un throughput 11 volte superiore rispetto a Claude Fable 5 e 5 volte superiore rispetto alla modalità rapida di Claude Opus 4.8.

Niente di tutto questo rende GPT-5.6 Sol un modello più intelligente. È lo stesso modello, che risponde nello stesso modo, solo più in fretta - il che conta in particolare per i carichi di lavoro in cui la latenza stessa è il collo di bottiglia e non la qualità del ragionamento: un agente di assistenza che un cliente non vuole aspettare, una risposta di sicurezza che deve avvenire nel mezzo di un incidente attivo, o un modello finanziario che deve eseguire più scenari prima della chiusura del mercato.

Una copertura contro Nvidia, persino per OpenAI

La lezione pratica qui non è che Cerebras abbia battuto Nvidia su un benchmark. È che l'azienda più intrecciata finanziariamente con l'espansione IA di Nvidia ha comunque avuto una ragione commerciale per far girare il suo livello di prodotto più critico per la latenza su un'architettura di chip diversa, perché la fisica di tenere i pesi sul chip batte la fisica di spostarli attraverso un cluster GPU per questo compito specifico. Qualsiasi azienda europea che costruisca una strategia di infrastruttura IA a lungo termine attorno a un unico fornitore di calcolo, per quanto dominante possa apparire oggi quel fornitore, dovrebbe considerare questo come prova che persino i clienti più grandi si coprono quando un carico di lavoro specifico lo richiede.

Si tratta di un'anteprima limitata senza prezzi pubblicati, non di una decisione di prodotto generale su cui le aziende debbano agire subito. La mossa utile non è cambiare fornitore sulla base di un singolo annuncio, ma annotarlo come dato da seguire: individuare quali dei propri carichi di lavoro siano realmente limitati dalla latenza e non dal ragionamento, perché sono quelli per cui, col tempo, potrebbe valere la pena una seconda opzione infrastrutturale, non solo un secondo contratto cloud, nonostante la complessità aggiuntiva.

Da leggere ora: AMD ha ceduto metà inferenza a un chip rivale  |  Affittare la IA di frontiera ora è una scelta, non un obbligo