事件概述

OpenAI 于 2026 年 8 月 13 日发布了一篇产品预览公告，介绍了名为 Ultrafast 的新服务层级。该模式首先面向 OpenAI API 客户开放，用于运行 GPT-5.6 Sol 模型，处理速度相比 Standard 模式最高可提升 14 倍。Ultrafast 由 Cerebras 提供底层支撑，输出速度可达 每秒 750 个 token。

这次更新的核心卖点很明确：当速度不再需要牺牲模型智能时，前沿模型就能进入那些对时间极度敏感的业务场景。原文指出，以往要获得实时速度，往往只能选择更小或更专用的模型，而 Ultrafast 代表着“每秒完成更多有用工作”的方向。

原文链接：Previewing Ultrafast mode: GPT-5.6 Sol at up to 14X the speed

关键技术点

  • 模型与模式：GPT-5.6 Sol 在 Ultrafast 模式下运行，支持最高 14 倍的加速（相比 Standard 处理）。
  • 输出吞吐：每秒最多生成 750 个输出 token，面向需要极低延迟的交互式应用。
  • 底层硬件：由 Cerebras 提供超低延迟推理支持，是 OpenAI 与 Cerebras 合作的下一步。
  • 智能与速度兼得：这是原文强调的差异化——不再需要用更小的模型换取实时响应，而是可以在保持前沿智能水平的条件下获得高速度。
  • 预览范围：目前仅面向选定的客户群体进行限量预览，后续会根据产能逐步扩展访问权限。原文未说明具体的成本、计费方式或可用区域。

在数据科学 / AI Agent 落地中的意义

原文列出了几个典型的应用场景，其中多个与数据科学和 AI Agent 的落地直接相关：

  • 事件响应与可靠性：系统故障时，Agent 可以实时分析日志、代码变更和工程师报告，在故障持续期间快速定位原因并协助制定修复方案。
  • 金融研究与安全：市场信号、交易分析和可疑活动检测可以在条件仍在变化时同步进行，避免时间差带来的风险。
  • 客户支持与语音：AI Agent 可以在复杂问题中实时完成多步骤查询，不打断对话，提升语音客服的体验。
  • 实时研究与实验：过去需要连夜运行的批量实验，可以变成交互式工作会话，研究团队能够边测、边看结果、边调整，再跑下一轮实验，迭代效率大幅提升。

对数据科学团队而言，这种速度的意义不只是“等得更短”，而是工作流的改变——从“提交任务、等待结果”到“与模型协作式地探索”。对 AI Agent 落地而言，Ultrafast 让 Agent 具备了进入关键业务主流程的潜力：当模型能跟上人的反应节奏，Agent 才能真正承担起实时决策辅助、动态监控和多轮交互等任务。

我的技术点评

从技术视角看，这个发布有几个值得注意的信号。

第一，速度成为新的竞争维度。过去大模型竞赛集中在参数量、上下文长度、多模态能力上，而这次发布清楚地展示了推理延迟和吞吐同样是产品竞争力的核心。750 tokens/s 的吞吐能力，加上复杂任务所需的智能水平，确实能打开一批此前无法落地的场景。

第二，硬件与算法协同优化。Cerebras 的规模计算平台在芯片设计和内存带宽上有其特殊性，能够承载 GPT-5.6 Sol 这样的大模型并实现超低延迟。这说明大模型推理的极致性能不只依赖模型压缩，还需要针对硬件架构的深度协同。

第三，几个早期客户的评论很值得玩味。Jane Street 提到“速度使开发者能够以更专注、高效的方式与模型协作”；Basis 提到“真正的瓶颈不仅是 tokens per second，还有模型智能”。这间接说明，单纯堆速度并不够，模型本身要足够聪明，才能真正在实时场景中创造价值。Ultrafast 的价值在于同时解决了这两点。

需要说明的是，原文并没有透露这些速度提升的测量环境、标准 token 数定义、延迟 p99 数据或具体价格。对于生产环境，还需要更多信息来评估实际适用性。目前它仍处于限量预览阶段，能接触到的团队有限，但方向已经足够明确——实时与智能不再是二选一。

原文链接

Previewing Ultrafast mode: GPT-5.6 Sol at up to 14X the speed — OpenAI