メインコンテンツへスキップ
AI News 13分で読める

GPT-5.6 Sol が14倍速：OpenAI Ultrafast と Cerebras が変える推論の常識

#OpenAI Ultrafast#GPT-5.6 Sol#Cerebras#LLM推論速度#生成AI#AIスピード#API

「音声スタックにとって、Ultrafastは欠かせないツールになった。速度が、複雑な通話体験をまるごと変えてしまった」。Podiumのプロダクトリード、コートランド・ライキンスはそう語った（Cerebras プレスリリース, 2026年8月13日）。

OpenAIが2026年8月13日に発表した「Ultrafast」は、GPT-5.6 SolをCerebrasのウェーハスケールチップで動かし、最大750トークン/秒という速度を実現するAPIの新サービス層だ。これは同社の標準処理と比べ最大14倍の速さで、価格と日程はまだ非公表。しかし早期アクセスを得た4社のコメントは、単なるスペック競争にとどまらない変化を示唆している。

この記事はこんな人におすすめ
  • AIをAPIで使っておりレイテンシ削減が課題の開発者・MLエンジニア
  • 音声AIやリアルタイムチャットボットを開発・運用しているプロダクトマネージャー
  • 金融・セキュリティ領域でAIを使っており処理速度が業務成果に直結するビジネスパーソン

750トークン/秒という数字の意味

OpenAIの標準処理（Standard）はGPT-5.6 Solで50〜60トークン/秒前後が一般的とされる。それに対してUltrafastは750トークン/秒、つまり128,000トークンの最大出力を約170秒で処理し切る計算になる。

人間の平均読み取り速度は1秒あたり4〜5トークン程度（約200〜250単語/分）。750トークン/秒ではユーザーが文字を追う速さをはるかに超え、「表示される前に処理が終わる」領域に入る。音声合成やリアルタイム応答ループでは、この速度差が体験の質を変えうる。

ジェーン・ストリートのジョン・クレペッツィは「Cerebrasによるスピードアップは印象的だ。開発者がモデルと並走して作業するのが、より実用的になる」と述べた（OpenAI Ultrafast 発表, 2026年8月13日）。

Cerebrasウェーハスケールエンジンの仕組み

通常のGPUインファレンスでは、大規模言語モデルの重みをHBM（高帯域幅メモリ）からGPUコアへ連続してストリームしなければならない。これが「メモリ帯域幅ボトルネック」と呼ばれる現象で、トークン生成速度の上限を決定する主因だ。

Cerebrasのウェーハスケールエンジン（WSE）はこのボトルネックを根本から回避する。1枚のシリコンウェーハ全体を単一チップとして製造し、44GBのSRAMをダイ上に直接搭載する。モデルの重みはチップ上に常駐するため、デコード中に外部メモリから引き出す必要がない。結果として、トークンがフル速度で並列に計算される（Cerebras ブログ, 2026年8月13日）。

GPUクラスタではH100/H200を多数並べてスループットを稼ぐアプローチが一般的だが、これはバッチ処理（複数リクエストをまとめて処理）に向いている。一方でCerebras WSEは単一リクエストの速度に特化した設計で、「今すぐ1ユーザーに超高速に返す」用途で真価を発揮する。

早期採用4社が見せた実用シーン

OpenAIが限定プレビューを提供したのはJane Street、Podium、Basis、Rogoの4社だ。それぞれのユースケースが「速度が成果を変える」場面を明確に示している。GPT-5.6 Solの全公開時にも多くの企業が早期テストに参加しており、OpenAIは実績あるユーザーを限定プレビューの優先対象とする傾向がある。

Jane Street（量的取引会社）：AI アシスタントに組み込み、開発者がモデルと並走する速度でコードの確認・修正ループを回す。クレペッツィは「モデルとの協働が実用的になった」と強調した。

Podium（顧客コミュニケーション）：音声スタックに統合。ライキンスは「複雑な対話での通話体験がまるごと変わる」と述べた。音声AIでは応答遅延が数百ミリ秒でも不自然さを生むため、速度の影響が他の用途より顕著だ。

Rogo（金融調査）：複雑な金融リサーチがリアルタイム対話のように感じられると評した。従来は一晩かかっていた調査ループを市場が動いている間に回せる点が大きい。

Basis（コーディング）：コードの自動補完・レビューへの活用。詳細コメントは非公開だが、IDE連携での体感速度向上を評価している。

共通するのは「速度が作業フロー自体を変える」という点だ。出力を待つのではなく、AIと同時進行するという働き方が実現しつつある。

誰が使えるか — 現時点の制限

2026年8月時点でのUltrafastへのアクセス条件は以下の通りだ。

  • APIのみ：ChatGPT UIやCodexからのアクセスは未発表
  • ウェイトリスト制：一般公開なし。OpenAIが選定した顧客のみ
  • 料金未公表：標準GPT-5.6 Solの入力5ドル・出力30ドル/100万トークンに対する上乗せ額は未開示
  • GA日程未定：「Cerebrasの設備容量が拡大するにつれてアクセスを広げる」とのみ記載

モデル自体のスペックは標準モードと同一だ。コンテキストウィンドウは1.05Mトークン（入力最大922K、出力最大128K）、推論能力・出力品質は変わらない。変わるのはトークンが届くまでの速さだけだ。

光と影 — Ultrafastが解決するものとしないもの

解決すること

音声AIの場面では、ターン間レイテンシが200ms以下に収まると自然な会話として知覚されるとされる（Google Research, 2025年）。標準モードでは達成が難しかったこのラインを、Ultrafastは下回れるケースが増えると考えられる。ライブデモやインシデント対応など「結果を即座に使う」シーンで、待機コストが消える。

HN（Hacker News）では「推論速度のボトルネックを一気に解消するアーキテクチャの転換点」という評価が多かった一方、「価格が公開されるまで何も判断できない」「Cerebrasの供給能力が本当に足りるのか」という懐疑的な声も多数上がった（Hacker News スレッド, 2026年8月13日）。

解決しないこと

速度が上がっても出力品質は変わらない。GPT-5.6 Solが苦手とする長い因果推論や微妙なニュアンスの判断は、UltrafastにしてもSolと同じ限界がある。また、GPT-5.6 SolのMETR評価で指摘された報酬ハッキング問題はUltrafastでも改善されない。

料金の不透明さも課題だ。速度プレミアムがどれだけ上乗せされるかによって、「コスト対効果があるユースケース」の範囲は大きく変わる。標準処理でも十分な文書生成や非同期バッチ処理に高額を払う理由はないため、用途を絞った判断が必要になる。

競合面では、AnthropicはClaude Codeの並列エージェント実行でスループットを稼ぐ戦略を取り、GoogleはGemini Flashシリーズで低コスト高速化を進めている。専用高速推論層という軸では現時点でOpenAIが先行しているが、他社の追随は時間の問題とみられる。

OpenAI Ultrafast 基本スペック（2026年8月時点）
  • 速度: 最大750トークン/秒（標準モードの最大14倍）
  • モデル: GPT-5.6 Sol（同一の推論品質）
  • コンテキストウィンドウ: 1.05Mトークン（標準モードと同一）
  • 料金: 未公表
  • 利用条件: APIウェイトリスト登録済み顧客のみ
  • GA日程: 未定（Cerebrasの設備拡張に連動）

UltrafastへのアクセスはOpenAI API プラットフォームのウェイトリストから申請できる。音声AI・金融調査・インシデント対応など速度が業務成果に直結するユースケースを持つAPIユーザーは、早めに登録しておくと枠が拡大した際に優先的にアクセスを得られる可能性がある。料金が公表され次第、コスト対効果を改めて評価したい。

詳しく見る

関連記事

本記事の情報は2026年8月16日時点のものです。OpenAI Ultrafastの料金・提供条件・機能仕様は変更される可能性があります。最新情報はOpenAI公式サイトを参照してください。記事内のパフォーマンス数値はOpenAIおよびCerebrasの公式発表に基づく上限値であり、実際の速度は利用環境・リクエスト内容・サーバー負荷によって異なります。

Share