OpenAI hat am 13. August 2026 Ultrafast als neue API-Stufe für GPT-5.6 Sol vorgestellt. OpenAI nennt dafür bis zu 750 Ausgabe-Tokens pro Sekunde und bis zu 14-mal die Geschwindigkeit der Standardverarbeitung. Cerebras Systems liefert die dafür eingesetzte Inferenz-Infrastruktur. Wichtig ist der Haken: Ultrafast ist kein neues Modell und keine allgemeine ChatGPT-Funktion, sondern zunächst eine begrenzte Vorschau für ausgewählte API-Kunden.
| Dimension | GPT-5.6 Sol mit Ultrafast | Praktische Bedeutung |
| Produkt | API-Stufe für GPT-5.6 Sol | Die Modellfamilie bleibt gleich; verändert wird die Art der Bereitstellung. |
| Angegebene Ausgabegeschwindigkeit | Bis zu 750 Tokens pro Sekunde | Das ist ein beworbener Spitzenwert für die Ausgabe, keine Garantie für jede Antwortzeit. |
| Vergleich mit Standard | Bis zu 14-mal schneller als die Standardverarbeitung | Der Vergleich bezieht sich auf die Verarbeitungsgeschwindigkeit, nicht automatisch auf die Dauer kompletter Aufgaben. |
| Infrastruktur | Cerebras-Systems-Inferenz auf wafer-scale Hardware | Die Beschleunigung soll durch eine auf schnelle Inferenz ausgelegte Infrastruktur ermöglicht werden. |
| Zugang | Begrenzte Vorschau für ausgewählte OpenAI-API-Kunden | Eine allgemeine Nutzung über ChatGPT ist damit nicht verbunden. |
Was OpenAI mit Ultrafast tatsächlich startet
Ultrafast ist ein Dienst für Entwickler und Unternehmen, die GPT-5.6 Sol mit möglichst geringer Verzögerung in eigene Anwendungen einbinden wollen. OpenAI nennt dafür unter anderem die Reaktion auf Sicherheitsvorfälle, Sprachsupport, Coding, Commerce, Finanzrecherche und Live-Experimente. Jane Street, Podium, Basis und Rogo gehören zu den Unternehmen, die den Dienst in der Vorschau testen.
Die entscheidende Einordnung lautet: GPT-5.6 Sol ist das Modell, Ultrafast die API-Auslieferungsstufe. Wer auf einen neuen ChatGPT-Schalter oder ein separates Modell gehofft hat, ist hier also an der falschen Adresse. Das ist Infrastruktur-News, kein neues Chatfenster.
750 Tokens pro Sekunde sind nicht dasselbe wie 14-mal schnellere Aufgaben
Ein Token ist eine kleine Einheit, aus der ein Sprachmodell seine Ausgabe zusammensetzt. 750 Ausgabe-Tokens pro Sekunde beschreiben daher zunächst, wie schnell das System Text erzeugen kann. Daraus folgt nicht, dass jede Anfrage 14-mal schneller abgeschlossen wird.
Für die tatsächliche Wartezeit zählen auch die Eingabe, die Verarbeitung vor der ersten Ausgabe, Tools, Netzwerkwege, die Länge der Aufgabe und die Auslastung. Ebenso offen bleiben die belastbare Antwortzeit unter Last, das Verhalten bei parallelen Anfragen und der Preis pro vollständig erledigter Aufgabe. Die Ultrafast-Zahl ist deshalb am besten als beworbener maximaler Ausgabedurchsatz zu lesen – nicht als allgemeiner End-to-End-Test.
Cerebras berichtet zusätzlich von zwei eigenen Vergleichswerten: GPT-5.6 Sol Ultrafast habe den Test Humanity’s Last Exam mit 2.500 Fragen in 11 Stunden und 11 Minuten abgeschlossen. Beim Benchmark GDP-Val nennt Cerebras eine 5,6-fache End-to-End-Beschleunigung ohne berichtete Qualitätseinbußen. Beides sind Unternehmensbenchmarks und keine unabhängigen Messungen. Das macht sie nicht wertlos, aber sie brauchen Kontext statt eines großen „14× schneller!“ auf dem Etikett.
Warum Cerebras die Infrastruktur liefert
Cerebras Systems setzt bei der Inferenz auf eine wafer-scale Architektur: Ein sehr großer Prozessor- beziehungsweise Beschleunigerverbund soll die Berechnung eines Modells mit möglichst kurzen Wegen versorgen. Cerebras gibt für den hier beschriebenen Aufbau 44 GB SRAM pro wafer-scale Chip an und erklärt, dass die Modellgewichte dabei auf dem Chip bleiben.
Das ist die technische Erklärung hinter der Partnerschaft – aber kein unabhängiger Beweis für den beworbenen Durchsatz. Architektur, Ausgabe-Tokens pro Sekunde und die Zeit bis zum Abschluss einer komplexen Aufgabe sind drei verschiedene Dinge. Wer sie in einen Topf wirft, bekommt eine beeindruckende Zahlensuppe, aber keine brauchbare Latenzmessung.
Für welche Anwendungen die Geschwindigkeit relevant sein kann
Der Nutzen zeigt sich vor allem dort, wo Menschen oder Software während eines Ablaufs auf viele Modellschritte warten. Bei Sprachsupport kann eine kürzere Verzögerung Gespräche flüssiger machen. Beim Coding können schnellere Rückmeldungen mehr Iterationen erlauben. Bei Finanzrecherche, Commerce und Live-Experimenten kann ein interaktiver Ablauf praktischer werden, sofern Kosten, Zugangsbedingungen und die tatsächliche Auslastung dazu passen.
OpenAI zeigt in einer offiziellen Demonstration eine Oberfläche für die Untersuchung eines Sicherheitsvorfalls mit Logs, Metriken und Dateivorgängen. Außerdem ist eine fortlaufende Code-Überarbeitung zu sehen. In der Demonstration wird erklärt, ein interner Ablauf zur Datensammlung, Sortierung, Normalisierung und Kontextanreicherung sei von ein bis zwei Stunden auf ungefähr 10 bis 15 Minuten gefallen. Das ist ein Ergebnis dieser Vorführung – kein unabhängiger Produktionsbenchmark.
Die Beispiele zeigen damit plausibel, wo niedrige Verzögerungen helfen können. Sie belegen aber nicht, dass jede Sicherheitsanalyse, jede Codebasis oder jede Sprachinteraktion mit derselben Geschwindigkeit abläuft.
Vorschau, Preis und Verfügbarkeit
Ultrafast bleibt zunächst eine begrenzte Vorschau für ausgewählte Kunden der OpenAI API. Ein allgemeiner Starttermin wurde nicht genannt. Einen eigenen öffentlichen Preis für Ultrafast hat OpenAI ebenfalls nicht veröffentlicht; die regulären API-Preise lassen sich daher nicht einfach als Ultrafast-Preis übernehmen.
Für Nutzer in Deutschland bedeutet das praktisch: Der Dienst ist nach der vorliegenden Ankündigung weder eine allgemein verfügbare ChatGPT-Funktion noch ein gewöhnliches Consumer-Produkt mit veröffentlichtem Euro-Preis. Interessant ist Ultrafast vor allem für Teams, die API-Anwendungen mit vielen schnellen Modellinteraktionen betreiben und Zugang zur Vorschau erhalten.
Das Fazit: Vielversprechende Infrastruktur, aber noch kein vollständiges Latenzversprechen
OpenAI und Cerebras setzen mit Ultrafast auf eine klare Idee: GPT-5.6 Sol soll über spezialisierte Inferenz-Infrastruktur deutlich schneller antworten. Die genannten bis zu 750 Ausgabe-Tokens pro Sekunde und bis zu 14-mal Standardgeschwindigkeit markieren dabei die Spitze der Ankündigung, nicht die vollständige Leistungsbilanz eines laufenden Systems.
Für die Bewertung im Alltag sind als Nächstes vor allem vier Punkte entscheidend: der Ultrafast-Preis, der Zugang außerhalb der Vorschau, die Antwortzeit unter realer Last und die Geschwindigkeit kompletter Aufgaben statt nur der Textausgabe. Bis diese Angaben vorliegen, ist Ultrafast ein spannender API-Beschleuniger für ausgewählte Entwickler – aber noch kein allgemeines Tempo-Versprechen für jedes GPT-5.6-Sol-Szenario.
