Arena.ai 宣布 Claude Sonnet 5.5 以 xHigh 推理进入 Code Arena: WebDev 榜单，得分 1786 分，排名第 3。其混合价格为 $8/M tokens，与第 2 名 GPT-6 Astra 的 1788 分仅差 2 分，价格约为其 80%。分领域看，Claude Sonnet 5.5（xHigh）在 Gaming、Reference-Based Design、Brand & Marketing 排第 2，Simulations 第 3，Content Creation Tools 和 Consumer Product 第 4，Data & Analytics 第 6。
匹配字段标题、摘要
OpenAI 称已检测并关闭一场针对其模型隐藏推理的对抗性蒸馏攻击，该活动 7 月 1 日以小规模开始，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，到 7 月 28 日已全部封禁。OpenAI 将核心参与者与 Moonshot AI 相关人员关联，并称已封禁欺诈账号、收紧注册并堵住加密推理被复用读取的漏洞。研究者 Joachim Schaeffer 团队 9 月 13 日复测发现，该攻击在 OpenAI 和 Anthropic 自家 API 上被拦截，但在 Microsoft Azure 上对包括 GPT-6 Astra 在内的每个 OpenAI 模型以及最高到 Sonnet 5 的 Anthropic 模型仍然有效，一次尝试即可逐字提取推理内容。
匹配字段标题、摘要
StackAI 将 Cerebras 集成进其低代码企业 AI 智能体平台，在理赔分诊、合规检查、信贷决策等需要人工介入的环节默认采用 Cerebras 推理，实现亚秒级延迟，速度最高可达 GPU 的 15 倍。StackAI 支持企业按步骤自选开源模型与推理提供商，Cerebras 还支持私有部署、混合部署和安全 API 集成，服务金融、医疗与政府客户。
匹配字段标题、摘要
Cerebras 称其推理速度最高可达 NVIDIA GPU 的 15 倍，且无需 CUDA 迁移成本，可直接在现有开源模型上用于生产环境。文章认为，自 2024 年底 OpenAI 首个推理模型发布后，准确率越来越依赖更多推理步骤，速度不再只是可用性门槛，而是提升准确率的关键杠杆。
匹配字段标题、摘要
Rox 在其企业营收智能体平台中采用 Cerebras Inference 作为低延迟推理路径，通过按意图动态路由模型，让 Command 对话、语音免手操作和实时研究查询即时响应，深度研究任务则交给后台大模型处理。Rox 创始工程师称响应速度比此前方案快 10-20 倍，且输出质量保持出色。Cerebras Inference 现已上线 AWS Marketplace，按 token 付费、无需自建基础设施，可在原有 AWS 账单与安全框架内通过 API 接入。
匹配字段标题、摘要
OpenAI 与 Cerebras 签署多年协议，将部署 750 兆瓦的 Cerebras 晶圆级系统为 OpenAI 客户提供推理服务，从 2026 年起分多阶段推进。Cerebras 称这是全球规模最大的高速 AI 推理部署，其系统运行大语言模型时响应速度最高可达 GPU 系统的 15 倍。OpenAI 的 Sachin Katti 表示，Cerebras 为其平台补充了专用的低延迟推理方案。
匹配字段标题、摘要
Cerebras 发布第四代系统 CS-4，由三颗 Wafer Scale Engine 3 Turbo 处理器构成，官方称其推理速度最高可达 GPU 系统的 30 倍，每瓦吞吐量最高为 CS-3 的 10 倍。CS-4 将晶圆间互联延迟降至最低 2 微秒，可在超过 10 万亿参数的模型上实现每秒 1000 token 以上，并原生支持解耦推理，可搭配 AMD Helios、AWS Trainium 等平台做 prefill。该系统基于新的 Cerebras Nexus 平台架构，组件数量减少 50%，首批出货于本季度开始。
匹配字段标题、摘要
AlphaSense 与 Cerebras 合作，用快速推理为 Generative Search 加速路由、查询生成和证据评估等高频模型调用，让系统在同样的响应时间内完成更多推理步骤。Generative Search 提供三种研究模式，共享同一套研究架构，按用户意图动态调整规划、检索、工具调用、证据评估与综合的深度。
匹配字段标题、摘要
Cerebras 宣布智谱最新 GLM 系列模型 GLM-4.7 已在其 Inference Cloud 上线，代码生成速度约 1000 tokens/秒，部分场景可达 1700 TPS。该模型在 SWEbench、τ²bench、LiveCodeBench 等开发者基准上领先 DeepSeek-V3.2，并引入交错思考与保留思考机制，支持跨轮次保留推理上下文。GLM-4.7 与 GLM-4.6 的 chat completions 工作流完全兼容，迁移通常只需更新模型名，Cerebras 称其性价比约为 Claude Sonnet 4.5 的 10 倍。
匹配字段标题、摘要
Cerebras 在其 Inference API 上线 GLM-4.6，称这是其目前能力最强的模型，在推理、工具调用和编码上有较大升级，速度超过 1000 tokens/秒。Cerebras 表示，GLM-4.6 在许多任务上输出水平与 Sonnet 4.5 相当，但速度快 17 倍、价格便宜 25%。该模型即日起在其按量付费开发者档（10 美元起）和 Cerebras Code 订阅（50 美元/月起）提供，并支持 Cline、VS Code、OpenCode、RooCode 等工具。
匹配字段标题、摘要
Cerebras 发文介绍 Codex 订阅中的 GPT-5.6 三款模型 Sol、Terra、Luna，三者独立训练与部署并带推理档位，用于在速度、成本和智能之间取舍。价格上 Terra 为 Sol 的一半，Luna 为 Sol 的五分之一，短上下文和长上下文均如此。文中建议多数任务先用 Luna，进展受阻时再升级到 Terra 或 Sol，Sol 在 Cerebras 上可达 750 tokens/s，并给出 Codex 中 Light 到 Ultra 五档推理级别的用法。
匹配字段标题、摘要、正文
Cerebras 在 Cerebras Inference Cloud 以公开预览形式上线 Gemma 4 31B，输出速度超过 1800 tokens/s，据 Artificial Analysis 测得为 1851 tokens/s，约为典型 GPU 端点的 35 倍，含推理的首个答案 token 延迟 1.5 秒。这是 Cerebras 平台首个支持图像理解的模型，也是首个上线的 Google DeepMind 模型，可处理截图、图表、UI 状态等视觉输入。该模型为 Apache 2.0 开源权重，在 Artificial Analysis 智能指数上得分 29，与 Claude Haiku 4.5 的 30 分接近，但在 Cerebras 上运行速度快 18 倍。
匹配字段标题、摘要
Cerebras 正把超低延迟推理从差异化优势变成平台基础设施，其晶圆级引擎在单芯片上统一算力、内存与带宽，推理速度最高可达传统 GPU 系统的 15 倍。公司同时扩展模型、云与开发者工具生态，覆盖 AG2/AutoGen、CrewAI、Aider、Cline、VS Code、Windsurf 等框架，并支持公有云、本地及私有部署。
匹配字段标题、摘要
Cerebras 发文解释分离式推理，即把 LLM 推理的 prefill 与 decode 拆到不同硬件上运行。文中提到 3 月 13 日 AWS 与 Cerebras 宣布分离式推理合作，由 AWS Trainium 负责 prefill、Cerebras CS-3 负责 decode，通过 EFA 网络连接并在 Amazon Bedrock 上提供。Cerebras 称该方案预计可将 token 吞吐提升至聚合方案的 5 倍，并援引研究称智能体负载的 P95 延迟最多改善 4.5 倍。
匹配字段标题、摘要
Cerebras 宣布在企业客户试用中运行万亿参数开源权重模型 Kimi K2.6，Artificial Analysis 测得输出速度 981 tokens/s，比次快的 GPU 云快 6.7 倍、比中位推理服务商快 23 倍。在 10000 token 输入、生成 500 token 输出的请求中，Cerebras 用时 5.6 秒，官方 Kimi 端点为 163.7 秒，最终答案时间缩短 29 倍。Cerebras 将 Kimi K2.6 以原始 4-bit 权重存储、16-bit 浮点计算，权重分布到多块晶圆并靠片上网络做层间 all-to-all 通信。
匹配字段标题、摘要
Cerebras 宣布 AWS 将在其数据中心部署 Cerebras CS-3 系统，并通过 AWS Bedrock 提供推理服务，运行领先的开源 LLM 和 Amazon Nova 模型。双方还在合作一种解耦架构，把 AWS Trainium 与 Cerebras WSE 配对，在相同硬件占用下提供 5 倍的高速 token 容量。该架构中 Trainium 负责 prefill 并计算 KV cache，经 Amazon EFA 传给 WSE 专做 decode，Cerebras 称其可每秒生成数千个输出 token，而 GPU 为数百个。AWS 与 Cerebras 将同时支持聚合与解耦两种配置，预计多数客户会按负载在两者间路由。
匹配字段标题、摘要
Cerebras 在 NeurIPS 2025 上展示九篇论文，覆盖预训练到推理，包括让 32B 模型在自家基准上超越 235B+ 竞品的 CODA 测试时计算架构、面向视觉语言模型的 DREAM 投机解码框架，以及 CompleteP 参数化和超参数缩放定律研究。Cerebras 去年 8 月推出推理 API，并在俄克拉荷马城开设新数据中心。
匹配字段标题、摘要
Cerebras 与韩国 AI 公司 Upstage 合作，在 Cerebras Wafer-Scale Engine 上运行 Upstage 的 Solar 31B，推理速度最高可达 2000 tokens/s。开发者可通过 Cerebras Inference Cloud 和 OpenAI 兼容 API 在不改变现有开发流程的情况下使用 Solar 模型。Cerebras 称，Solar 31B 处理 246 个信息源的深度研究查询，而 Sonnet 4.6 在类似信息源数量下需 8 分钟。
匹配字段标题、摘要
Cognition 的 SWE-1.6 与 SWE-grep 系列由 Cerebras Inference 提供推理，编码性能达到前沿水平，速度最高约为 GPU 的 5 倍。SWE-1.6 在 Windsurf 快速档上最高可达 950 tokens/秒，SWE-Bench Pro 成绩为 50.4%，高于 SWE-1.5 的 40.1%。该模型还更多使用并行工具调用、更少循环，并更依赖自身工具而非终端命令。
匹配字段标题、摘要
Cerebras 发文指出，攻击者正用 AI 加速侦察、钓鱼、恶意软件变种、漏洞发现与利用开发，而企业部署的 AI copilot 与智能体工作流又带来新的安全问题。文章主张采用分层架构：由规则、经典模型和小语言模型完成过滤、分类、去重与路由，再用更强的推理模型升级处理可疑事件、高风险发现和敏感工具调用，让更快的推理在用户体验不被打断的前提下塞进更多上下文、推理与验证。
匹配字段标题、摘要