[新聞] 告別GPU OpenAI推出極速晶圓引擎模型

作者h0103661 (單推人) 每日換婆 (1/1)

看板Stock

標題[新聞] 告別GPU OpenAI推出極速晶圓引擎模型

時間Fri Feb 13 11:13:53 2026

原文標題： Introducing OpenAI GPT-5.3-Codex-Spark Powered by Cerebras 原文連結： https://www.cerebras.ai/blog/openai-codexspark 發布時間： 2026-02-12 記者署名： James Wang 原文內容： Today, we’re announcing that OpenAI’s new GPT-5.3-Codex-Spark model, powered b y Cerebras, is available in research preview. This marks the first release in ou r collaboration between Cerebras and OpenAI. Codex-Spark is designed for real-ti me software development where responsiveness matters as much as intelligence. Po wered by the Cerebras Wafer-Scale Engine, it runs at over 1,000 tokens/s, enabli ng near-instant feedback in live coding environments. 今日，我們正式發布由 Cerebras 技術驅動的 OpenAI 全新模型 GPT-5.3-Codex-Spark，並開放研究預覽。這是 OpenAI 與 Cerebras 合作的首個里程碑。Codex-Spark 專為對響應速度要求極高的即時軟體開發而設計。憑藉 Cerebras 晶圓級引擎（Wafer-Scale Engine）的強大效能，其執行速度突破每秒 1,000 個標記（tokens/s），為即時程式開發環境提供近乎瞬時的回饋。 Agentic coding has fundamentally changed software development. For the first tim e, machines can autonomously work for hours or days without human supervision. B ut this mode of interaction can also leave developers feeling out of the loop wi th long wait times and less opportunity to direct the work. As software developm ent is iterative, developers need to inject taste, direction, and sensibility al ong the way. Codex-Spark is designed for this kind of real-time, iterative work. It is fast, responsive, and steerable, putting the developer back in the driver ’s seat. Codex-Spark is a smaller version of Codex optimized for fast inference. On agent ic software engineering benchmarks such as SWE-Bench Pro and Terminal-Bench 2.0, it produces more capable responses than GPT-5.1-Codex-mini while completing tas ks in a fraction of the time. Codex-Spark excels at making precise edits, revising plans, and answering contex tual questions about your codebase. It’s a fast way to visualize new layouts, r efine styling, and test new interface changes. 「代理型編碼」（Agentic coding）已從根本上改變了軟體開發，使機器能獨立運作數小時甚至數日。然而，這種模式也可能讓開發者因漫長的等待而產生疏離感，減少了引導工作的機會。由於軟體開發本質上是反覆迭代的過程，開發者需要隨時注入審美、方向感與判斷力。Codex-Spark 正是為此類即時、互動式工作而生；它反應迅速且易於引導，讓開發者重新掌握主導權。 Codex-Spark 是針對快速推論（Inference）優化的 Codex 精簡版本。在 SWE-Bench Pro 與 Terminal-Bench 2.0 等代理型軟體工程基準測試中，它的表現優於 GPT-5.1-Codex-min i，且完成任務的時間僅需後者的一小部分。 Codex-Spark 擅長進行精確編輯、修訂計畫，以及回答關於程式碼庫的脈絡問題。對於視覺化新佈局、精煉樣式及測試介面更動，它提供了一種極速的實現方式。 "Cerebras has been a great engineering partner, and we’re excited about adding fast inference as a new platform capability. Bringing wafer-scale compute into p roduction gives us a new way to keep Codex responsive for latency-sensitive work , and we’re excited to learn from developer feedback on how to compose our comp ute capabilities into one smooth workflow," said Sachin Katti, Head of Industria l Compute at OpenAI. OpenAI 工業運算負責人 Sachin Katti 表示：「Cerebras 是傑出的工程合作夥伴，我們很高興將『快速推論』納入平台能力。將晶圓級運算導入生產環境，為維持 Codex 在延遲敏感型任務中的響應速度提供了全新途徑。我們期待透過開發者的回饋，學習如何將這些運算能力整合進流暢的工作流中。」 Codex-Spark is just a taste of what’s possible on Cerebras hardware. Our broade r goal is to accelerate a wide spectrum of AI workloads across both real-time an d asynchronous use cases. Our purpose-built Wafer-Scale Engine features the larg est on-chip memory of any AI processor, enabling high-speed inference at thousan ds of tokens per second per user. The architecture scales out to thousands of sy stems, extending fast memory capacity into the multi-terabyte domain to support trillion-parameter models for both training and inference. We expect to bring th is ultra-fast inference capability to the largest frontier models in 2026. Codex-Spark is rolling out as a research preview for ChatGPT Pro users across th e Codex app, CLI, and VS Code extension, with API access rolling out to select d esign partners. Try Codex-Spark rolling out today. Codex-Spark 僅是 Cerebras 硬體潛力的初步展現。我們的長遠目標是加速涵蓋即時與異步（Asynchronous）情境的全方位 AI 工作負載。我們專為 AI 打造的晶圓級引擎擁有業界最大的片上記憶體（On-chip memory），可支援每位使用者每秒數千個標記的極速推論。該架構可擴展至數千台系統，將高速記憶體容量提升至多 TB 等級，足以支援兆級參數模型的訓練與推論。我們預計在 2026 年將此極速推論能力導入最強大的前沿模型中。 Codex-Spark 研究預覽版即日起向 ChatGPT Pro 用戶推送，支援 Codex App、CLI 及 VS C ode 擴充功能；API 存取權限則將逐步開放給特定設計合作夥伴。歡迎今日立即體驗 Codex -Spark。心得/評論：上個月我有發了兩家合作的消息，今天正式推出第一個合作產品，推理速度破千的GPT-5！給大家一個比例尺：平常用的GPT-5速度不到一百。 Cerebras的台積電5奈米晶圓引擎WSE-3是世界唯一的晶圓運算，由於能直接載入整個AI模型到運算單元上，速度是GPU的數十倍，這是Cerebras成立以來第一個企業級應用，或將衝擊整個GPU市場。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.79.16.163 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1770952439.A.F56.html

推 L1ON : 台積電噴 02/13 11:16

推 ccdrv : 都不用gpu NV要涼了 02/13 11:16

推 mopa : 還是要台積電... 02/13 11:17

推 maimss : 會不會有人不玩了？…. 02/13 11:18

推 joygo : 關鍵字台積電 02/13 11:18

推 woko : 這超大威化餅真的能吃啊...?太厲害了 02/13 11:19

→ b9513227 : 又是台積電 02/13 11:19

→ Brioni : GG噴 NV哭 02/13 11:20

推 MoneyDay5566: 沒人在乎 02/13 11:20

推 Marginal : GPU需求下修？ GPU市場要被衝擊了？ 02/13 11:20

→ Brioni : 黃爸直接砸錢買下來掐死你 02/13 11:21

推 DonDonFans : NV 88 02/13 11:22

推 tomdavis : 能訓練再來說取代gpu 都幾年了還在亂下標不專業 02/13 11:23

→ ZO20 : 還是要台積結案 02/13 11:24

推 Gipmydanger : 推論跟訓練本來尋求就不一樣 02/13 11:24

推 kload : 老黃：我不投資你就扯我後腿? 02/13 11:24

→ tomdavis : 跟去年說Deepseek 會終結運算需求一樣的知識水準 02/13 11:24

推 onekoni : 台積電 02/13 11:28

→ onekoni : xddd 啥都要扯到台積電 2330真的無腦多 02/13 11:28

→ pttstock : GPU is over! 02/13 11:28

推 Lhmstu : 沒人在乎 02/13 11:28

推 howdiee : 又又又又又要被取代了 02/13 11:29

→ sonatafm2 : 看成曲速引擎想說有曲速AI引擎都出來了還不飛天 02/13 11:29

推 deann : 誰代工? 02/13 11:30

推 qweertyui891: 誰用鏟子鏟子是什麼形狀不重要 02/13 11:31

推 nightop : 黃老爺要哭了 02/13 11:33

推 s56565566123: 台積電又噴 02/13 11:33

推 cwolf : 滿庫存的GPU沒電力用？投放廣告？ 02/13 11:33

推 josephpu : 亂下標才有高能兒看啊嘻嘻 02/13 11:35

→ searchroy : 管你多快，沒電都算庫存 02/13 11:36

→ josephpu : cpu藥丸惹 gpu藥丸惹 tpu藥丸惹 02/13 11:36

推 gladopo : 超巨大那個嗎? 成本很高的說 02/13 11:36

推 scum5566 : 算這麼快 CPO該噴了吧 02/13 11:38

推 apolloapollo: 蛋雕 02/13 11:40

推 goodevening : 難怪老黃說1000億投資沒有確定果然被骨仔 02/13 11:41

推 s881720 : OAI還有錢喔嘻嘻 02/13 11:41

推 house911 : 台雞雞受惠 ? 封裝測試也會受惠 ? 02/13 11:41

推 abc0922001 : 又是台積電代工，賣鏟子怎麼輸阿 02/13 11:42

推 Like5566Like: NV掰 02/13 11:42

→ tmdl : 美股不歡迎太快的 02/13 11:45

推 grtfor : AI大廠都想要逃離NV 02/13 11:47

推 roseritter : 一次整片的成本和產量..... 02/13 11:48

推 yutaka28 : 其實真的要整片的話，我一直不懂真正獨家在哪裡？ 02/13 11:48

→ yutaka28 : 最困難的技術不是其實是台積嗎 02/13 11:48

→ yutaka28 : 設計部分困難的點在哪？其他公司無法設計嗎？ 02/13 11:49

→ yutaka28 : 不是其實都是依賴台積的良率？ 02/13 11:49

→ furbyyeh : NV is over 02/13 11:51

噓 strlen : 老黃這輩子就這樣惹 02/13 11:52

推 MorikonHase : 鏟子 02/13 11:52

→ gladopo : 整片最難的部份台積包了，有凱子付錢能做就做 02/13 11:52

推 roseritter : 之前很少人敢搞這種專武等級的產品 02/13 11:53

推 keven92110 : 聽不懂晶圓級引擎是什麼意思 02/13 11:56

推 PA5566 : 直接用晶圓跑啊真的假的 02/13 11:56

推 kunyi : 三星五奈米也搶不到？ 02/13 11:57

→ a79111010 : 就說了會走BTC的路顯卡之後就是專用礦機的概念 02/13 11:58

→ a79111010 : 顯卡終究只是過度的產品需求上來就需要專門的 02/13 11:59

推 haworz : 這篇需要翻譯翻譯，晶圓引擎是啥？用整片晶圓把GPT 02/13 11:59

→ haworz : 硬體化嗎？ 02/13 11:59

推 gladopo : 察Cerebras就有相關說明了 02/13 12:02

→ gladopo : 之前的關鍵字是 44GB on-chip SRAM 02/13 12:03

推 roseritter : https://www.cerebras.ai/chip 02/13 12:03

噓 s1001326 : 99老黃快死了 02/13 12:03

推 roseritter : 他就WSE-3超小核佈滿整塊 02/13 12:06

推 FirePopcorn : 台積電噴噴噴噴噴 02/13 12:07

推 fakelie : 那就是雞雞5nm + 更多記憶卡蛙 02/13 12:08

→ ohya111326 : 好了啦奧特曼沒人相信你 02/13 12:08

推 jympin : GPU IS OVER? 02/13 12:08

推 mopa : 以後做出來的晶片不會是圓形吧跟晶圓一樣大完全不 02/13 12:08

→ mopa : 浪費 02/13 12:08

推 allenmusic : gpu太貴了 02/13 12:08

→ gladopo : 這東東真的紅的話就肯定是gg的單，沒法跑 02/13 12:08

→ JoeyChen : 直接載入整個AI模型所以關鍵是記憶體? 02/13 12:09

→ roseritter : 人家直接用SRAM 粗本的 02/13 12:09

→ pinkg023 : NV要幾根 02/13 12:09

→ roseritter : 我是覺得產能很受限啦除非你早早下很大單等著 02/13 12:10

→ stanleyplus : TSM 322仙人指路 02/13 12:11

推 qazw5520 : 老黃掰掰 02/13 12:12

→ JoeyChen : 問一下那gpu可以也套用這種晶圓級記憶體模式嗎反 02/13 12:12

→ JoeyChen : 正記憶體越多越快越好 02/13 12:12

推 beavertail97: NV之前不是收購GROQ？看何時把LPU整合入GPU 02/13 12:12

→ changmary : 台G利空高價GPU換低價RISC 02/13 12:12

推 lusifa2007 : 台積但不是2奈米要出大事了 02/13 12:13

推 fakelie : 三星5nm良率有沒有上來？有ㄉ話GG就GG懶 02/13 12:13

推 ganninian : 輝達要蛋雕了嗎 02/13 12:14

噓 cpz : 回答快但答案垃圾有什麼用 02/13 12:14

推 motan : 蛤？所以只是記憶體反應速度？sram 不是本來就反應 02/13 12:14

→ motan : 快嗎 02/13 12:14

推 turnkolan : 關鍵字：台積 02/13 12:15

推 poeoe : 這怎麼可能對NV有啥重大影響啦…… 02/13 12:15

推 roseritter : 架構不一樣 H100 die size 814 WSE-3 46225 02/13 12:15

推 onekoni : 出什麼大事舊產能再利用xddd 省capex 噴爛 02/13 12:15

推 fakelie : WSE-3ㄉ話 5nm就夠ㄌ 02/13 12:15

→ onekoni : 五奈米廠折舊早攤完了純純的利潤像大海一樣啊 02/13 12:16

推 vc39 : 全世界股民都要買台積電了 02/13 12:16

→ fakelie : 三星5nm良率有上來ㄉ話吃得到 02/13 12:16

推 tsubasawolfy: 這跟GOOGLE那個TPU同概念? 不過做鏟子的鐵都2330的 02/13 12:16

→ roseritter : GPU 小片配合HBM去做這個就是一體機 02/13 12:16

推 lusifa2007 : 輝達哭哭台積二奈米可能要少訂單還不出大事哦有 02/13 12:17

→ lusifa2007 : 腦嗎？ 02/13 12:17

→ roseritter : 100x-defect-tolerance-how-cerebras-solved-the-yi 02/13 12:17

→ roseritter : eld-problem 良率夠高壞點爆掉的小核夠少 02/13 12:18

推 nrrakaur : 產能都被NV包了，這晶片找誰做？ 02/13 12:18

推 a23268744 : GG還有產能嗎 02/13 12:19

→ roseritter : 理論上就能做該文寫得很淺白 02/13 12:19

推 vc39 : 不管幾奈米廠商都會想辦法讓自己的產品可以用台積 02/13 12:19

→ vc39 : 電做的晶片，All in 2330跟TSM就對了。 02/13 12:19

→ JoeyChen : 全部做在一片上理論上更快吧？ 02/13 12:19

推 gladopo : 下5nm又不走先進封裝還好啦，只是聽說這東東很難做 02/13 12:20

推 lusifa2007 : 5奈米三星已經可以低價搶單了 02/13 12:20

→ roseritter : SM的核心和WSE-3核心大小不一樣同樣的壞點率 02/13 12:20

推 fakelie : 看來就是計算晶片生產門檻降低記憶體需求增加 02/13 12:20

→ roseritter : 你得到整體可用面積不同 02/13 12:21

推 furnaceh : 這種晶片怎麼可能說做就做得出來 02/13 12:25

推 good10740 : 整片晶圓發熱量，也挺驚人 02/13 12:26

推 roseritter : 封裝也是個問題也太大 02/13 12:27

→ la8day : 這家真的有人用喔厲害了 02/13 12:28

推 gladopo : 老黃買下來就又少個對手了 02/13 12:29

推 cylu7878 : 台積又要噴出關目標價2330 02/13 12:29

推 tsubasawolfy: 要gpt用平鋪直敘的方式解說。回答因為現行LLM運算是 02/13 12:32

→ tsubasawolfy: 在多張gpu跟gpu之間一直把資料搬來搬去。這種直接大 02/13 12:32

→ tsubasawolfy: 晶圓可以省去搬運時間。壞點問題就在硬體層面繞過去 02/13 12:32

→ tsubasawolfy: 不要用。 02/13 12:32

推 HiuAnOP : 黃藥丸！ 02/13 12:35

推 moto000 : 抄goog？ 02/13 12:39

推 tsubasawolfy: 順便問了發熱量。回答說跟gpu是高頻小面積需要強散 02/13 12:44

→ tsubasawolfy: 熱，它是低頻跟大面積，後面直接做液冷微流道帶走熱 02/13 12:44

→ tsubasawolfy: 。在LLM上每token產生的焦耳數更低。 02/13 12:44

💰 股票 Stock 版：熱門文章

💰 股票 Stock 版：更多文章