chip
ОБЗОР 2026

Cerebras: обзор 2026 — самое быстрое облако инференса

Cerebras продаёт не модель, а время ответа: инференс на пластине 46 225 мм² с 44 ГБ SRAM прямо на кристалле. Разбираем по официальным страницам и независимому бенчмарку, что реально доступно в API 17.11.2026, сколько стоит миллион токенов и где ограничения бьют по проекту.

Инференс APIWafer-scale2026
Разработчик Cerebras SystemsКатегория Инференс APIТикер NASDAQ: CBRSСъём данных 17.11.2026

Cerebras Inference — это облачный API, который работает не на стопке GPU, а на одной кремниевой пластине: Wafer-Scale Engine 3 Turbo содержит четыре триллиона транзисторов, 900 000 ядер и 44 ГБ SRAM прямо на кристалле. Отсюда и главное обещание — до 30 раз выше скорость генерации токенов на пользователя, чем у GPU-решений. В обзоре — что именно продаётся в self-serve на 17.11.2026, какие цены и лимиты стоят за словами «самый быстрый инференс», и в каких проектах эта скорость окупается.

4 трлн
Пластина WSE-3T
транзисторов, 250 PFLOPS на пластину
$0,35 / $0,75
GPT OSS 120B
вход / выход за 1M токенов
~3 000 ток/с
Заявленная скорость
Developer, GPT OSS 120B
0,9 мин
Время на задачу
Artificial Analysis, 03.11.2026

01Что такое Cerebras и чем она отличается от GPU-облака

Cerebras Systems — американская компания из Саннивейла, торгуется на Nasdaq под тикером CBRS. Продукт, о котором спрашивают в поиске, — Cerebras Inference: OpenAI-совместимый API для генерации на открытых моделях с оплатой за токены. Техническая основа — собственные пластины WSE и системы CS-4, а не ускорители Nvidia.

Разница в архитектуре определяет всё остальное. На GPU-кластере веса модели и KV-кэш постоянно ходят между видеопамятью и вычислителями, а несколько карт соединяются сетью. На пластине Cerebras 44 ГБ SRAM находятся на том же кристалле, поэтому обмен идёт по внутренней фабрике с пропускной способностью в петабайтах в секунду. Именно память, а не арифметика, определяет скорость генерации токенов — поэтому wafer-scale и даёт прирост, который нельзя получить простым добавлением GPU.

Проверять надо на своей модели
Cerebras публикует «до 30× быстрее GPU» с оговоркой, что сравнение зависит от модели, конфигурации, длины промпта и даты замера. Независимый Artificial Analysis на 03.11.2026 поставил Cerebras на первое место по скорости среди провайдеров gpt-oss-120b: 1 671 выходной токен в секунду против 704 у следующего участника. Это в разы, но не в тридцать.

02Как устроена пластина: WSE-3 Turbo и система CS-4

WSE-3 Turbo — крупнейший AI-чип: 46 225 мм² кремния, четыре триллиона транзисторов, 900 000 ядер, 250 PFLOPS и 44 ГБ SRAM на пластине. По данным самой компании, это в 19 раз больше транзисторов и в 56 раз больше вычислений, чем у Nvidia B300, а площадь пластины в 58 раз превышает площадь GPU. Память работает на 43,2 петабайта в секунду, фабрика внутри пластины — на 53,5 петабайта в секунду, внешний I/O — 2,4 Тбит/с.

Из чего собрано Cerebras Inference
Пластина WSE-3 Turbo4 трлн транзисторов, 900 000 ядер, 44 ГБ SRAM, 250 PFLOPSкремнийСистема CS-4три пластины в стойке: 750 PFLOPS, 129,6 ПБ/с памяти, модели свыше 50 трлн параметровсистемаShared и Dedicated Inferenceобщая очередь с лимитами по тарифу или выделенная ёмкость под эндпоинтоблакоAPI и консольOpenAI-совместимый /v1, свои SDK, ключи, лимиты и биллинг в Cloud ConsoleAPI
Путь запроса от приложения до токена
1КлиентOpenAI SDK или официальный SDK Cerebras2api.cerebras.ai/v1ключ, проект, лимиты организации3Пластинавеса и KV-кэш в SRAM, генерация токенов4Стримответ по SSE, учёт токенов и кэшаСхема по документации Cerebras Inference и пресс-релизу CS-4 (18.08.2026)

Система CS-4, представленная 18 августа 2026 года, собирается из трёх пластин WSE-3T и даёт 750 PFLOPS, 7,2 Тбит/с I/O и 129,6 петабайта в секунду памяти при задержке между пластинами до двух микросекунд. В замере на GPT-OSS-120B компания заявила более 4 400 токенов в секунду на одного пользователя — «до 30 раз быстрее GPU» в пересчёте на пользователя. Это железо стоит за облаком, но не продаётся в розницу: купить его нельзя, только брать инференс по API или в Dedicated-развёртывании.

03Цены: сколько стоит токен и где спрятана арифметика

На 17.11.2026 в self-serve два тарифа: Free Trial с разовым кредитом $5 и Developer с оплатой по токенам. Предприятиям продают Enterprise по индивидуальному расчёту. Ставки Developer для двух доступных моделей выглядят так — это официальные числа со страницы тарифов.

Free Trial
$5кредит на 30 дней, один раз
  • выдаётся после привязки карты
  • GPT OSS 120B: 5 RPM и 30K токенов в минуту без кэша
  • Qwen 3.8 27B: 300 RPM и 150K токенов в минуту без кэша
  • API и Playground; когда кредит закончился — доступ встаёт на паузу
Developer: GPT OSS 120B
$0,35 / $0,75за 1M токенов, вход / выход
  • заявленная скорость около 3 000 токенов в секунду
  • пополнение баланса от $10
  • лимиты в 10 раз выше бесплатных
  • приоритет обработки выше, чем на Trial
Developer: Qwen 3.8 27B
$0,99 / $1,49за 1M токенов, вход / выход
  • заявленная скорость около 1 850 токенов в секунду
  • контекст 131K по данным Artificial Analysis
  • нет часовых и суточных ограничений по токенам
  • поддержка изображений: до 2 на запрос
Enterprise
по запросуконтракт, Dedicated Inference
  • выделенная ёмкость и приоритет очереди
  • свои веса и файнтюнинг по согласованию
  • стабильный эндпоинт вместо общего пула
  • аккаунт-менеджер и SLA
Цены и условия — по странице cerebras.ai/pricing, проверено 17.11.2026. Промо-кредит $5 не суммируется, истекает через 30 дней и не переносится между аккаунтами.

Сравнивать ставки за миллион токенов с GPU-облаками корректно только вместе со скоростью. Дешёвый токен, который отдаётся по 80 токенов в секунду, для агентского цикла с сотней последовательных вызовов часто дороже: за то же время успевает пройти меньше шагов. Artificial Analysis считает стоимость на задачу теста интеллекта — там дешевле всего выходят CoreWeave и DeepInfra, а Cerebras попадает в верхнюю часть списка по цене, но выигрывает по времени и задержке. То есть выбор между «дешевле за токен» и «дешевле за секунду ожидания».

Считайте каскад, а не прайс
Практическая экономика Cerebras появляется, когда на быстром канале работает только дорогая часть пайплайна: планировщик, критик, роутер или генерация кода с проверками. Массовую черновую работу дешевле оставить на медленных провайдерах и собрать каскад. При ставке $0,75 за миллион выходных токенов один миллион токенов набегает за несколько часов активных агентских прогонов.

04Лимиты, бесплатный старт и двойной счёт токенов

Лимиты Cerebras считает по алгоритму token bucket: ёмкость не сбрасывается в начале минуты, а пополняется непрерывно. Ограничения действуют на уровне организации, а не отдельного ключа или пользователя, и у каждой модели они свои. Важная деталь — двойной бакет: отдельно ограничиваются токены без кэша и общий объём, причём общий по умолчанию в три раза больше.

МетрикаGPT OSS 120B на Free TrialQwen 3.8 27B на Free Trial
Запросов в минуту (RPM)5300
Токенов в минуту без кэша30 000150 000
Общий лимит токенов в минуту90 000750 000, временно 5× вместо 3×
Токенов в час / в суткипо 1 000 000не ограничено
Изображения в запросенетдо 2, до 10 МиБ на запрос
Лимиты Free Trial по документации Cerebras Inference, проверено 17.11.2026; на Developer действуют отдельные, повышенные значения.
Кэш как множитель пропускной способности
В режиме Shared Inference кэшированные токены не расходуют лимит «без кэша». При попадании в кэш 70% вы на стандартном лимите 1M токенов в минуту без кэша фактически обрабатываете до 3M токенов в минуту. Поэтому для агентов с большим неизменным системным промптом выгоднее ставить статичную часть в начало запроса, а меняющуюся — в конец.

Превышение лимита возвращает ошибку 429, и в тексте указано, какой именно бакет исчерпан. Самая частая причина ложных 429 — завышенный max_completion_tokens: значение резервирует квоту до генерации, поэтому лимит упирается раньше, чем реально израсходованы токены. Актуальные для вашей организации цифры всегда лежат в Cloud Console в разделе Limits, публичная таблица — только ориентир.

05Подключение: OpenAI-совместимость и её границы

Cerebras не требует переписывать код: меняются ключ, базовый URL и имя модели. Базовый адрес — https://api.cerebras.ai/v1, дальше работает привычный клиент OpenAI. Компания также выпускает свои SDK для Python и TypeScript. По её документации OpenAI SDK 3.5.0 прошёл тесты совместимости на листинге моделей, Chat Completions, Completions и стриминге, но требует Python 3.10 и новее.

cerebras_demo.pypython
from openai import OpenAI

client = OpenAI(
    api_key="CEREBRAS_API_KEY",
    base_url="https://api.cerebras.ai/v1",
)

resp = client.chat.completions.create(
    model="gpt-oss-120b",
    messages=[{"role": "user", "content": "Сравни два подхода к кэшированию промптов"}],
    max_completion_tokens=512,
)
print(resp.choices[0].message.content)
От нуля до первого ответа
1
Аккаунт
Регистрация в cloud.cerebras.ai, привязка карты для кредита $5
Cloud Consolecopy
console → account & billing
2
Ключ
Создать API-ключ и положить его в переменную окружения
terminalcopy
export CEREBRAS_API_KEY=...
3
Модель
Точный идентификатор из каталога: gpt-oss-120b или qwen-3.8-27b
pythoncopy
model="qwen-3.8-27b"
4
Проверка
Запрос списка моделей до подключения SDK
terminalcopy
curl https://api.cerebras.ai/v1/models -H "Authorization: Bearer $CEREBRAS_API_KEY"

Границы совместимости перечислены в документации, и о них легко споткнуться при миграции. Параметр n поддерживается только со значением 1 — массовые варианты ответа за один вызов не сделать. service_tier недоступен в Shared Inference на Developer. Изображения принимаются только как base64 data URI в PNG или JPEG, внешние HTTPS-ссылки не работают. Стриминг инструментов идёт обычным stream, а не tool_stream. Специфичные параметры вроде reasoning_format передаются через extra_body в клиенте OpenAI.

06Модели: что реально доступно, а что в витрине

Самое частое расхождение ожиданий и реальности. На витрине cerebras.ai/inference крутят демо на Kimi K3.1, GPT-5.6 Sol Ultrafast и Codex-Spark, а в тарифах Developer на 17.11.2026 перечислены только две модели: GPT OSS 120B и Qwen 3.8 27B. Публичная витрина — не то же самое, что список моделей в вашей консоли.

  • Shared Inference, Developer: GPT OSS 120B (около 3 000 токенов в секунду) и Qwen 3.8 27B (около 1 850)
  • Dedicated Inference: Qwen 3.8, Qwen 3.6, Qwen3-235B-A22B в вариантах instruct и thinking, Qwen3-Coder, MiniMax M2.5 и M2.1
  • Dedicated Inference: gpt-oss-120b, gpt-oss-20b и gpt-oss-safeguard-120b, Gemma 4 31B, Llama 4 Maverick и Scout, Llama 3.3 70B
  • Свои веса: файнтюнинг и кастомные чекпойнты доступны только в Dedicated и Enterprise по согласованию
Сверяйте идентификатор модели
В Dedicated вместо имени модели в поле model передаётся идентификатор эндпоинта, и он маршрутизирует запрос в активное развёртывание. Если перенести такой код в Shared Inference без замены, запрос вернёт ошибку — это разные пространства идентификаторов, а не взаимозаменяемые строки.

07Скорость в цифрах: независимый бенчмарк против пресс-релиза

Единственный способ не спорить о маркетинге — брать публичные замеры третьей стороны. Artificial Analysis сравнил 16 эндпоинтов gpt-oss-120b от 15 провайдеров и измерил время выполнения задачи теста интеллекта. У Cerebras оно оказалось наименьшим, задержка первого ответа — тоже: 2,07 секунды против 5,73 у SambaNova и 6,89 у Groq. Доля ошибок — 0,0%, контекст 131K.

Время на одну задачу теста интеллекта, минутыМеньше — лучше. gpt-oss-120b (High), замер Artificial Analysis, 03.11.2026
0 мин7,5 мин15 минCerebras0,9 минSambaNova1,9 минGroq3,1 минMicrosoft Azure4,4 минCrusoe4,9 минAmazon Bedrock14,3 мин
Три разных утверждения
Не смешивайте: 1 671 выходной токен в секунду — независимый замер на потоковом эндпоинте; более 4 400 токенов в секунду на пользователя — замер компании на CS-4 при запуске системы; «до 30× быстрее GPU» — сравнение с GPU-решениями в конкретной конфигурации. Все три верны, но относятся к разному железу и разным условиям.

Практический вывод для агентов: выигрыш заметен на последовательных цепочках вызовов, где каждый шаг ждёт предыдущий. Если нагрузка распараллелена на сотни независимых запросов, разница сглаживается лимитами и стоимостью. Если ответ человеку нужен мгновенно — это как раз сценарий Cerebras: скорость здесь не про удобство, а про то, сколько шагов агент успевает сделать до того, как пользователь закроет вкладку.

08Бизнес, зависимость от вендора и доступ из России

Cerebras — публичная компания, и это добавляет к техническому обзору финансовый контекст. За третий квартал 2026 года, закрытый 30 сентября, GAAP-выручка составила $210,8 млн, core-выручка $230,9 млн (рост 70% год к году), а выручка облака — $144,9 млн с ростом 272%. Компания повысила прогноз на год, а на четвёртый квартал ориентирует на core-выручку $310–330 млн. Выручка за последние двенадцать месяцев — около $755,8 млн.

Структура выручки Cerebras за третий квартал 2026, $ млн
69%31%210,8млн, GAAPОблако и сервисы144,9 · 69%Железо и прочее65,9 · 31%
Что проверить до интеграцииПочему это важно
Список моделей в вашей консолиВ self-serve две модели; остальное — Dedicated по контракту
Лимиты организации, а не аккаунтаКлючи делят один пул: один тяжёлый сервис съедает квоту остальных
Кэш промптовБез попаданий в кэш вы платите полную ставку за каждый повтор системного промпта
Способ оплатыНа странице тарифов указана карта и кредит $5; альтернативные способы не описаны
Границы совместимостиn=1, нет service_tier на Developer, изображения только base64
Сводка ограничений по документации Cerebras и странице тарифов, проверено 17.11.2026.

Для разработчиков из России практическая часть сложнее технической: сервис находится в США, оплата идёт по карте в консоли, а условия для карт, выпущенных в РФ, на официальных страницах не описаны. Планировать бюджет и юридическую схему доступа нужно до того, как пайплайн начнёт зависеть от этого API, — иначе миграция на другого провайдера окажется срочной. Второй риск — концентрация: скорость куплена вместе с закрытым железом, и заменить Cerebras на «такой же быстрый» сервис нельзя, можно только на медленный.

09Кому подходит, а кому нет

Cerebras — не универсальная замена GPU-облаку. Это инструмент для тех случаев, когда узкое место — задержка, а не бюджет на токены. Ниже баланс по итогам проверки документации, цен и независимых замеров.

Плюсы
  • Самое низкое время на задачу и задержка первого ответа в независимом сравнении провайдеров
  • OpenAI-совместимый API: миграция сводится к ключу, base URL и имени модели
  • Двойной бакет лимитов и кэш промптов позволяют выжимать больше из той же квоты
  • Прозрачные цены self-serve и кредит $5 без автосписаний
  • Публичная отчётность вендора: Nasdaq, квартальные результаты, Dedicated с SLA
Минусы
  • В self-serve всего две модели: GPT OSS 120B и Qwen 3.8 27B
  • Free Trial с жёсткими лимитами: 5 запросов в минуту на GPT OSS 120B
  • Ограничения совместимости: n=1, нет service_tier, изображения только base64
  • Цена за токен выше, чем у дешёвых GPU-провайдеров
  • Оплата и доступ из России на официальных страницах не описаны
  • Свои веса и файнтюнинг — только в Dedicated и Enterprise по контракту

Покупать имеет смысл в трёх случаях: интерактивный ассистент, где задержка ответа видна человеку; агент, который делает много последовательных шагов и должен укладываться в минуты; голосовые и realtime-сценарии, где пауза ломает диалог. Не стоит переносить туда офлайн-обработку больших корпусов, пакетные задачи на ночь и всё, что упирается в стоимость токена, — там дешевле GPU-провайдеры из того же сравнения.

Плати по всему миру — карта для оплаты зарубежных нейросетей, приложений и подписок из России
Реклама. ООО «КАПИБАРА», ИНН 9703231520

Частые вопросы

Cerebras бесплатный?
Полностью — нет. При регистрации дают разовый кредит $5 после привязки карты, он действует 30 дней, не переносится на другие аккаунты и не имеет денежного эквивалента. Когда кредит истрачен или истёк, доступ к API и Playground встаёт на паузу до пополнения баланса. Дальше действует оплата по токенам: от $10 на Developer.
Сколько стоит миллион токенов?
На 17.11.2026 на тарифе Developer: GPT OSS 120B — $0,35 за миллион входных и $0,75 за миллион выходных токенов; Qwen 3.8 27B — $0,99 и $1,49 соответственно. Enterprise и Dedicated считаются индивидуально по запросу, публичных ставок у них нет.
Это OpenAI-совместимый API?
Да, для большинства рабочих сценариев. Меняются ключ, base URL https://api.cerebras.ai/v1 и имя модели. Отличия: параметр n поддерживает только значение 1, service_tier недоступен в Shared Inference на Developer, изображения передаются как base64 data URI, а не ссылкой, стриминг инструментов идёт обычным stream.
Какие модели доступны в API?
В self-serve на Developer — GPT OSS 120B и Qwen 3.8 27B. В Dedicated Inference доступны семейства Qwen 3.8, 3.6, Qwen3 и Qwen3-Coder, GPT-OSS 120B, 20B и safeguard, MiniMax M2.5 и M2.1, Gemma 4 31B, Llama 4 Maverick и Scout, Llama 3.3 70B, а также свои веса по согласованию.
Насколько Cerebras быстрее GPU?
Компания заявляет до 30 раз по скорости генерации на пользователя и более 4 400 токенов в секунду на пользователя в замере CS-4 на GPT-OSS-120B (18.08.2026). Независимый Artificial Analysis 03.11.2026 измерил 1 671 выходной токен в секунду против 704 у следующего провайдера и минимальное время на задачу — 0,9 минуты. На вашей нагрузке цифры будут своими: скорость зависит от модели, длины промпта и параллелизма.
Что будет при превышении лимитов?
Вернётся ошибка 429 с указанием, какой бакет исчерпан — токены без кэша или общий объём. Лимиты считаются на организацию, а не на ключ, и пополняются непрерывно по алгоритму token bucket. Частая причина преждевременных 429 — завышенный max_completion_tokens: он резервирует квоту до начала генерации.

Источники и официальные ссылки

Вердикт Qantcore
8,3/ 10
Cerebras делает то, что обещает, но обещание уже, чем кажется. Скорость подтверждена независимо: минимальное время на задачу и задержка среди 15 провайдеров одной и той же модели, 0% ошибок в замере. Платить за это приходится двумя вещами — ценой за токен выше среднего по рынку и узким каталогом: в self-serve только GPT OSS 120B и Qwen 3.8 27B, всё остальное через Dedicated. Для интерактивных агентов и голосовых сценариев это оправданная покупка с быстрым стартом за $5 кредита. Для пакетной обработки и проектов с бюджетным потолком — избыточно дорого. Отдельно учитывайте доступ: оплата картой в американской консоли и отсутствие описанных условий для российских карт делают сервис скорее экспериментом, чем основной инфраструктурой.
Сравнить облака инференса
В каталоге Qantcore — обзоры Firecrawl, Apify, Groq и других API-сервисов с ценами, лимитами и оценками по одной методике.
Нет зарубежной карты для оплаты?Реклама. ООО «КАПИБАРА», ИНН 9703231520Оформить карту →
Как оплатить AI из России — разбор
Плати по всему миру — карта для оплаты зарубежных нейросетей, приложений и подписок из России
Реклама. ООО «КАПИБАРА», ИНН 9703231520