OpenAI's snelste modus mijdt Nvidia-chips

750 tokens per seconde, in beperkte preview

OpenAI en Cerebras kondigden de Ultrafast-modus voor GPT-5.6 Sol aan op 13 augustus 2026, met tot 750 outputtokens per seconde, tot 14 keer sneller dan de standaardverwerking van het model, volgens OpenAI's eigen aankondiging van de preview. De laag is nu alleen beschikbaar voor een selecte groep klanten terwijl OpenAI evalueert hoe de extra snelheid echte producten verandert; andere bedrijven kunnen zich aanmelden voor een wachtlijst door hun workloadgegevens in te dienen. OpenAI-onderzoeker Jeffrey Wang beschreef het praktische effect in het eigen materiaal van het bedrijf: 'Het is nu klaar voordat ik zelfs maar de kans krijg om van context te wisselen. Dat maakt me veel productiever.'

OpenAI noemt spraakinterfaces, klantenservice, handel, ontwikkelaarsagenten, financieel onderzoek en reactie op beveiligingsincidenten als beoogde toepassingen, en zegt dat de eigen ontwikkelaars de preview hebben gebruikt om logs en sporen tijdens incidenten te analyseren en om onderzoekscycli die voorheen een hele nacht duurden te comprimeren tot meerdere iteraties binnen een enkele werkdag. GPT-5.6 Sol zelf werd in juni 2026 gelanceerd naast de gebalanceerde Terra- en snelheidsgerichte Luna-varianten, en werd in juli breed beschikbaar via ChatGPT, Codex en de API.

De chip die het werk doet is niet van Nvidia

De snelheidswinst komt van Cerebras' Wafer-Scale Engine, die de volledige gewichten van een model direct op de chip houdt, verspreid over 44 gigabyte SRAM ingebouwd in elke wafer-grote processor, volgens Cerebras' eigen blogpost over de samenwerking. Dat elimineert de herhaalde transfers tussen geheugen en rekenkracht die op conventionele GPU-clusters latentie veroorzaken, waardoor tokens ononderbroken kunnen stromen door in pijplijn georganiseerde modellagen verspreid over meerdere wafers - een ontwerp dat volgens Cerebras' eigen technische beschrijving moet meeschalen naarmate modellen groter worden.

Cerebras positioneert deze architectuur al jaren als een snellere, zij het minder flexibele, alternatief voor Nvidia's GPU-clusters voor inferentie-workloads, maar de meest prominente publieke samenwerkingen van het bedrijf tot nu toe neigden eerder naar kleinere of middelgrote labs dan naar de grootste individuele afnemer van Nvidia-capaciteit in de hele sector. OpenAI's eigen infrastructuurverplichtingen aan Nvidia lopen in de honderden miljarden dollars, een relatie die dit medium al eerder in detail heeft behandeld, wat de keuze om zelfs een beperkte previewlaag via een concurrerende chiparchitectuur te laten lopen tot een opmerkelijk gegeven maakt in plaats van routinematige leveranciersdiversificatie.

Wat de snelheid echt oplevert

Op GDP-Val, een benchmark opgebouwd rond economisch waardevolle werktaken, rapporteert OpenAI een end-to-end versnelling van 5,6 keer zonder gemeten kwaliteitsverlies. Op Humanity's Last Exam, een test met 2.500 vragen op doctoraatsniveau, voltooide GPT-5.6 Sol Ultrafast de volledige set in 11 uur en 11 minuten tegenover 78 uur en 27 minuten voor Claude Fable 5, volgens de eigen gepubliceerde vergelijking van Cerebras, ruwweg zeven keer sneller op die specifieke benchmark, naast Cerebras' afzonderlijke doorvoerclaims van 11 keer ten opzichte van Claude Fable 5 en 5 keer ten opzichte van de snelle modus van Claude Opus 4.8.

Niets hiervan maakt GPT-5.6 Sol een slimmer model. Het is hetzelfde model, dat op dezelfde manier antwoordt, alleen sneller - wat specifiek telt voor workloads waarbij de latentie zelf het knelpunt is en niet de kwaliteit van het redeneren: een supportagent waar een klant niet op wil wachten, een beveiligingsreactie die midden in een actief incident moet plaatsvinden, of een financieel model dat meerdere scenario's moet doorrekenen voordat de markt sluit.

Een indekking tegen Nvidia, zelfs voor OpenAI

De praktische les hier is niet dat Cerebras Nvidia op een benchmark heeft verslagen. Het is dat het bedrijf dat financieel het meest verweven is met Nvidia's AI-uitbreiding toch een zakelijke reden had om zijn meest latentiekritische productlaag op een andere chiparchitectuur te laten draaien, omdat de natuurkunde van gewichten op de chip houden wint van de natuurkunde van ze over een GPU-cluster verplaatsen, voor precies deze taak. Elk Europees bedrijf dat een langetermijnstrategie voor AI-infrastructuur bouwt rond één enkele rekenkrachtleverancier, hoe dominant die leverancier vandaag ook lijkt, zou dit moeten zien als bewijs dat zelfs de grootste klanten zich indekken wanneer een specifieke workload dat vereist.

Dit is een beperkte preview zonder gepubliceerde prijzen, geen algemene productbeslissing waarop bedrijven meteen moeten reageren. De zinvolle stap is niet om op basis van één aankondiging van leverancier te wisselen, maar om het als aandachtspunt te noteren: ga na welke van je eigen workloads werkelijk door latentie worden beperkt in plaats van door redeneervermogen, want dat zijn de workloads waarvoor een tweede infrastructuuroptie, niet alleen een tweede cloudcontract, uiteindelijk de extra complexiteit waard kan zijn.

Lees hierna: AMD gaf de halve inferentie aan een rivaal-chip  |  Frontier-AI huren is nu een keuze, geen must