Cerebras kombiniert GPUs mit Wafer-Scale-Engines und liefert fünfmal mehr ultraschnelle Tokens pro Megawatt

Cerebras Disaggregated Inference

Cerebras kombiniert GPUs mit Wafer-Scale-Engines und liefert fünfmal mehr ultraschnelle Tokens pro Megawatt

Cerebras hat disaggregierte Inferenz in Produktion gebracht: GPUs übernehmen die Prompt-Verarbeitung (Prefill), die Wafer-Scale-Engines von Cerebras die Antwortgenerierung (Decode). In einem gemessenen Deployment mit AMD Instinct GPUs und CS-3-Systemen stieg der Durchsatz pro Megawatt auf das Fünffache – ohne Einbußen bei der Tokengeschwindigkeit. Bis Ende 2027 will Cerebras die Lösung über Hunderte Megawatt in seiner Inference Cloud und bei Partnern ausrollen. Partner wie AWS, Fireworks AI, Gimlet Labs und General Compute haben bereits Zugriff.

In unserem gemessenen Produktionsdeployment lieferte diese Kombination den fünffachen Durchsatz pro Megawatt einer reinen CS-3-Konfiguration – ohne Verlust bei der Tokengenerierungsgeschwindigkeit.

Mehr von diesem Tag

2026-11-18