OpenAI ha presentato Ultrafast, un nuovo livello di servizio per la sua API che porta GPT-5.6 Sol a generare fino a 750 token al secondo — quattordici volte la velocità della modalità standard. L’annuncio è arrivato il 14 agosto, insieme alla conferma che il salto prestazionale è reso possibile dall’hardware di Cerebras, azienda specializzata in chip per l’inferenza AI.
Il dato che colpisce non è solo il moltiplicatore dichiarato. La modalità standard di GPT-5.6 Sol lavora a circa 53 token al secondo: Ultrafast porta quella cifra a 750. Senza alcuna riduzione della qualità del modello. OpenAI precisa che si tratta dello stesso GPT-5.6 Sol, non di una versione ridotta o distillata: l’intelligenza rimane invariata, cambia solo la velocità con cui le risposte arrivano. Per capire cosa significhi nella pratica, il team ha eseguito il benchmark Humanity’s Last Exam — 2.500 domande di livello dottorale in discipline come chimica, economia e letteratura — e GPT-5.6 Sol in modalità Ultrafast ha completato l’intera sessione in 11 ore e 11 minuti. Claude Fable 5, il modello di punta di Anthropic, ha impiegato 78 ore e 27 minuti per lo stesso compito.
Il vantaggio tecnico viene dall’architettura Wafer-Scale Engine di Cerebras. I chip convenzionali basati su GPU devono continuamente spostare i pesi del modello tra memoria on-chip e storage esterno, creando un collo di bottiglia sulla banda di memoria. I chip di Cerebras tengono 44 GB di SRAM direttamente sul wafer, eliminando quel trasferimento. Il risultato è un’inferenza che non soffre delle stesse limitazioni strutturali dell’hardware tradizionale. Non è un’ottimizzazione software: è una scelta di architettura fisica che ribalta i vincoli abituali.
Per ora Ultrafast è disponibile solo in anteprima, riservata a un gruppo selezionato di clienti API. OpenAI ha già testato il servizio con aziende attive in settori come coding, commercio, ricerca finanziaria e supporto clienti. La logica del rollout controllato è precisa: raccogliere dati su come cambiano i prodotti quando il modello riesce a tenere il passo con l’utente in tempo reale. L’accesso si espanderà man mano che la capacità infrastrutturale crescerà. Nel frattempo, chi vuole essere notificato può registrarsi sul sito di Cerebras. Rispetto ai competitor, Ultrafast risulta cinque volte più veloce di Claude Opus 4.8 in modalità Fast e undici volte più veloce di Fable 5, secondo i dati di Artificial Analysis citati da Cerebras stessa.
Il contesto più ampio riguarda un cambiamento di prospettiva su cosa sia la velocità in ambito AI. Fino ad oggi, ottenere risposte in tempo reale significava scegliere modelli più piccoli e meno capaci. OpenAI descrive Ultrafast come un passo in una direzione diversa: più lavoro utile per secondo, senza sacrificare l’intelligenza del modello. Le applicazioni che ne beneficiano di più sono quelle dove la latenza conta tanto quanto la qualità — voce, agenti developer, risposta a incidenti di sicurezza, piattaforme di customer care ad alto volume. Anche Anthropic si è mossa in questa direzione con versioni accelerate dei propri modelli, ma per ora nessuno ha pubblicato numeri comparabili a quelli di Ultrafast.
Se la partnership con Cerebras regge la scala e la capacità si espande nei prossimi mesi, il confine tra “modello veloce ma meno potente” e “modello potente ma lento” potrebbe semplicemente smettere di esistere. Quello che oggi è un’anteprima per pochi clienti selezionati potrebbe diventare lo standard atteso per qualsiasi modello frontier. A quel punto, la velocità non sarà più un vantaggio differenziale — sarà il minimo sindacale.
