Cerebras CS-4: 750 PFLOPs auf drei WSE-3-Turbo-Wafern

Was Cerebras in CS-4 aufgebaut hat

Für mich ist an CS-4 nicht die PFLOPs-Zahl entscheidend, sondern der Versuch, das Verschieben von Gewichten zwischen externem Speicher und Recheneinheiten zu vermeiden. CS-4 ist ein Rack-System mit drei WSE-3-Turbo-Wafern und nicht einfach ein weiterer einzelner Beschleuniger. Auf der CS-4-Produktseite und in der Launch-Ankündigung nennt Cerebras 750 PFLOPs KI-Rechenleistung.

Jeder Wafer besitzt 44 GB SRAM, in dem die Architektur die Modellgewichte hält. Die angegebene Speicherbandbreite beträgt 129,6 PB/s, das On-Chip-Netzwerk erreicht 160,5 PB/s. Für System-Ein- und Ausgabe werden 7,2 Tb/s und 2 Mikrosekunden Latenz genannt.

Hier wird der Ansatz interessant: Cerebras spricht von einer bis zu 30-fachen Beschleunigung der Inferenz gegenüber GPU-Systemen. In einem direkten Vergleich mit GPT-OSS-120B bei identischen Anfragen meldet das Unternehmen mehr als 4.400 Token pro Sekunde je Nutzer. Das sind Herstellerangaben aus den Launch-Unterlagen und keine allgemeingültige Garantie für jedes Modell oder jede Serving-Konfiguration.

Ein Preis für die Hardware wurde nicht veröffentlicht. Stand August 2026 bezieht sich die öffentliche Preisseite von Cerebras auf gehostete Dienste und APIs, nicht auf CS-4. Ein belastbarer Vergleich von Gesamtbetriebskosten und Leistung mit einem GPU-Cluster ist auf Basis öffentlicher Daten deshalb noch nicht möglich.

Warum die Architektur wichtiger ist als die Rekordzahl

Falls sich die angegebenen Ergebnisse unter realen Lasten bestätigen, verändert CS-4 vor allem die Inferenzarchitektur großer Modelle. Statt Gewichte permanent zwischen Beschleunigern zu übertragen, setzt das System darauf, sie direkt im SRAM der Wafer vorzuhalten. Der Vorteil sollte dort besonders sichtbar werden, wo Speicherlatenz wichtiger ist als die nominelle Rechenleistung.

Ich würde zuerst nicht die Spitzengeschwindigkeit prüfen, sondern die Stabilität der Ergebnisse bei unterschiedlichen Anfragegrößen, Batch-Verarbeitung und gleichzeitigen Nutzern. Auch Modellunterstützung, Softwareintegration und tatsächliche Betriebskosten werfen Fragen auf. Die Aussage von bis zu 30-mal schnellerer Inferenz klingt stark, bleibt ohne identische Methodik und Preisangaben aber nur ein Teil des Gesamtbilds.

Die größte Stärke von CS-4 ist zugleich das zentrale Risiko: Die spezialisierte Wafer-Scale-Architektur muss ihren Vorteil nicht in einem Vorzeigelauf, sondern im täglichen Betrieb von Modellen beweisen. Dort wird sich zeigen, ob daraus eine neue Infrastrukturklasse entsteht oder ein sehr schnelles, aber enges Spezialwerkzeug bleibt.

Zuvor haben wir Cocoon untersucht, eine Infrastruktur für vertrauliches Rechnen, die Wirtschaftlichkeit und Datenschutzanforderungen der KI-Inferenz verändert. Im Vergleich zum Wafer-Scale-Ansatz von Cerebras hilft sie, verschiedene Wege zur Skalierung von Modellrechenleistung einzuordnen.