Re: [新聞] 告別GPU OpenAI推出極速晶圓引擎模型

作者waitrop (嘴砲無雙)

看板Stock

標題Re: [新聞] 告別GPU OpenAI推出極速晶圓引擎模型

時間Fri Feb 13 14:41:06 2026

※ 引述《h0103661 (單推人) 每日換婆 (1/1)》之銘言： : : 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。 : : 我之前有分析過, https://www.ptt.cc/bbs/Stock/M.1769589988.A.C87.html Cerebras是用大力出奇蹟的方式, 晶片大小是其他GPU/TPU的百倍大小, 一片晶圓wafer 切出一顆, 這會導致良率極低基本上, Cerebras有兩個問題: 1. 良率, 2. 相容性(CUDA) 以OpenAI的軟體能力, 相信可以繞過CUDA 的相容性問題, 也就是說, 相信OpenAI 有能力可以把自己的模型移植到Cerebras晶片上運行, 所以對OpenAI+Cerebras而言, 最大的問題就是良率, 以Cerebras的良率跟體量, 不太可能可以吃下所有 ChatGPT Pro 用戶, 1%? 10%? 20%? 不確定能吃下多少的用戶量, 但是對NVDA 影響不大, 2nd solution 的AMD Intel可能就會受到影響另外, 對於板上的大神與專家們的指教, 我回應幾句話, 我只是用國小數學以及大一基本課本的內容做解釋, 淺顯易懂, 不去賣弄專業, 主要目的是讓大家知道真相, 然後很多大神跟專家對我的提出的觀點, 有很多的指教以及抓錯, 其實, 我也不是笨蛋, 我當然知道我說法的問題, 只是主打一個淺顯易懂, 大方向正確, 這樣說吧! 要是良率可以用之前推文裡說的各種方式解決提高良率, 那為何Intel 三星還在為良率的問題被台積電打趴, 各種提高良率的方式, 都只是小部分的改進, 大方向跟大數字是不會差太多的, 的確, Cerebras 的良率可能不會到1%那麼慘, 但是絕對絕對是極低良率極低產量, 要是Cerebras產量夠大, 怎麼沒有大量部署到各大CSP廠, 撇開CUDA相容問題, 就是產量不夠, 而且這麼大的晶片一定是特殊機器特殊規格然後, 因為Cerebras的良率問題, 所以Cerebras只能選擇台積電, 一樣用國小數學算一算就知道, Cerebras面積這個大, 吃代工廠良率就更重 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 76.103.225.6 (美國) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1770964868.A.BB6.html

→ komeko : 寫那麼多小作文結果微軟還是沒反彈 02/13 14:44

??? 我沒有買微軟, 我也沒有推微軟 ※ 編輯: waitrop (76.103.225.6 美國), 02/13/2026 14:46:07

推 lawy : 感謝W大持續分享，把複雜的事說的業外也看得懂 02/13 14:47

推 madeinheaven: 最主要的問題是SRAM很貴 02/13 14:48

推 madeinheaven: 會做成那麼大也是因為SRAM的關係 02/13 14:51

→ chewthelife8: 1樓三小啦……. 02/13 14:51

推 strlen : 老黃還是破不了200 02/13 14:52

推 abc0922001 : 不管到時候用誰的GPU，或者用不用GPU，都是GG代工 02/13 14:54

推 kira925 : 對AMD/Intel的"晶片"影響可能還沒那麼大 02/13 14:59

→ kira925 : 這有一定程度是打廣告 02/13 14:59

推 ztsc0304356 : 感謝W大的分享和用心解說 02/13 15:02

推 madbele : qqq最近好慘，請問大神對qqq盤那麼久還沒發動有什 02/13 15:05

→ madbele : 麼看法嗎QQ 02/13 15:05

推 Coolno9 : 支持w大的方式投資向來不保證懂最細最新的人贏 02/13 15:08

推 fakelie : wait來啦 02/13 15:14

推 wahaha99 : 這個大晶圓的不良是內部處理吧？ 02/13 15:26

→ wahaha99 : 把不良、故障的單元隔離掉就好 02/13 15:26

→ wahaha99 : 良率應該是90%以上只要達到出貨標準就可以出貨 02/13 15:26

推 searchroy : Only GG 02/13 15:33

噓 ttmm : 呵呵 02/13 15:36

→ ttmm : 以為2這麼簡單阿他們是軟體公司ok 02/13 15:36

→ niniko : 結論是不是買台積電就對了? 02/13 15:38

推 QDR18 : 感謝分享 02/13 15:42

推 speculator : 大概就是這東西對良率要求很高也會很貴吧 02/13 15:50

推 as6633208 : 嗯...基本上歐噴醬，近期操作本質都是一直試著找回 02/13 16:01

→ as6633208 : 自己的主導權，但其實內心深處大家越不怕他，歐噴醬 02/13 16:01

→ as6633208 : 心裡越怕== 本來chatgpt 一哥，先被Gemini 壓制，然 02/13 16:01

→ as6633208 : 後又要被Anthropic追過，其實歐噴醬現在最怕的反而 02/13 16:01

→ as6633208 : 是老黃跑去大力幫anthropic，唉，好可憐，歐噴醬科 02/13 16:01

→ as6633208 : 技政客組局快極限了嗎，唯一沒有從0開始到千億市值 02/13 16:01

→ as6633208 : 的公司ceo，靠著科技政客組局和權力鬥爭看來快到極 02/13 16:01

→ as6633208 : 限了，科技發明家從0開始，白手起家經營到七巨頭的 02/13 16:01

→ as6633208 : 企業，ceo的還是比較有料，看著猶太屁精這樣真的覺 02/13 16:01

→ as6633208 : 得有點可憐== 02/13 16:01

→ appledick : GG：這誰能做啊？ 02/13 16:04

推 roseritter : 這顆就是拼超爆量小核，缺陷多到某個程度就不划算惹 02/13 16:04

→ roseritter : ，能用核變的更少 02/13 16:04

→ as6633208 : 他爬到了一個不屬於他的高度，該均值回歸了，跟賈 02/13 16:05

→ as6633208 : 伯斯馬斯克祖克柏黃仁勳這些從白手起家經營到現 02/13 16:05

→ as6633208 : 在的ceo還是有點差距阿，anthropic 那個ceo達利歐還 02/13 16:05

→ as6633208 : 比較像創業家，感覺奧特曼...胸口的光開始閃紅燈快 02/13 16:05

→ as6633208 : 要沒光了 02/13 16:05

→ roseritter : 反倒是一般的晶片，壞的部分遮蔽後還能當次貨賣 02/13 16:06

推 as6633208 : 看好他的猶太血統，但感覺同樣是猶太人，怎麼神力好 02/13 16:09

→ as6633208 : 像還是有差 02/13 16:09

推 breathair : Cerebras 用備用核心避開單點故障整片報廢的問題， 02/13 16:14

→ breathair : 理論上良率不會差喔，而且他不用CoWoS封裝，理論上 02/13 16:14

→ breathair : 產能出的來喔，而且速度理論上會比機櫃式solution 02/13 16:14

→ breathair : 更好，當然，以上都是理論 02/13 16:14

推 edison106 : 這篇說的正確 02/13 16:17

→ edison106 : 除了良率這麼大片光要測試都不知道要搞多久了成 02/13 16:24

→ edison106 : 本一定高到靠北 02/13 16:24

推 b325019 : 都幾年了還頭鐵搞超大晶片真的是不怕死 02/13 16:29

推 uodam64402 : 一片晶圓只能產一片晶片，這種肯定要作損害控管分割 02/13 16:31

→ uodam64402 : ，切分成數十到百多個區域來剔除不良區，以提升晶片 02/13 16:33

→ uodam64402 : 可使用程度吧，這東西肯定比GB-200的晶圓總價貴不少 02/13 16:33

推 as6633208 : 晶片設計這塊啦老黃的護城河包含設計技術、客戶關 02/13 16:35

→ as6633208 : 係、產業鏈關係，深不見底，看看全村希望amd 一項沒 02/13 16:35

→ as6633208 : 跟上財報就撐不住被華爾街看破手腳，另外自研的那些 02/13 16:36

→ as6633208 : 笑話看看就好，孤狗買老黃晶片的力道還比誰都還用力 02/13 16:36

→ as6633208 : ，想自己設計，先搞定好台積電產業關係吧== 連社交 02/13 16:36

→ as6633208 : 都捨不得來台灣，台積產能當然老黃優先，大家都馬知 02/13 16:36

→ as6633208 : 道老黃壟斷晶片業還抓到趨勢，就希望他不要賣這麼貴 02/13 16:36

→ as6633208 : 而已，至於台積電在這波的產能更是關鍵中的關鍵== 02/13 16:36

→ wolver : 等孫正義那300億燒完奧特曼就會沒亮燈倒了 02/13 16:36

推 gladopo : 我也是覺得晶片硬要這麼大頭太鐵，好處就是不用跟老 02/13 16:39

→ gladopo : 黃搶先進封裝 02/13 16:39

推 as6633208 : 之前全村希望是什麼，各家自研晶片+博通+amd+intel 02/13 16:42

→ as6633208 : ，取代老黃+台積電壟斷，結果財報出來各各笑話冠軍 02/13 16:42

→ as6633208 : ，intel良率大問題，amd營收不理想，博通和amd全都 02/13 16:42

→ as6633208 : 離不開台積電，硬要說台積成了這波大贏家，代工出奇 02/13 16:42

→ as6633208 : 蹟 02/13 16:42

推 misakiitoh : 感謝分享！！ 02/13 16:44

→ as6633208 : 喔至於老黃跟台積的關係相比其他笑話冠軍的自研晶片 02/13 16:46

→ as6633208 : ，不說了，ceo來台灣social沒幾次，產能是搶的贏老 02/13 16:46

→ as6633208 : 黃有事沒事就過來social的？然後更好笑七巨頭嘴巴喊 02/13 16:46

→ as6633208 : 自研晶片，身體買老黃晶片比誰都用力，資本支出一兩 02/13 16:46

→ as6633208 : 千億砸，不是說自研省錢，省得錢？之前那波自研敘事 02/13 16:46

→ as6633208 : 財報和指引一出來跟笑話沒兩樣 02/13 16:46

推 TameFoxx : 反正在這裡講錯也沒人在乎吧，就繼續亂講就好 02/13 16:56

推 ProTrader : 這種產品類似超級電腦性質用的起的廠商肯定超少 02/13 17:02

→ ProTrader : 就算成功產片量一定很低因為沒人用的起 02/13 17:03

推 madeinheaven: 不會成功的 02/13 17:04

→ ProTrader : 房市產品有套房二房三房四房...豪宅 02/13 17:04

→ ProTrader : 這產品是造鎮甚至建城的等級 02/13 17:05

→ ProTrader : 然後不管怎樣台積電肯定是最大贏家 02/13 17:06

推 josephpu : 老黃還是大領先，但矽晶片就是未來5~10年戰略資源 02/13 17:08

→ josephpu : 從設計到量產到供應鏈關係都是，巨頭不願意擺爛任 02/13 17:08

→ josephpu : 由老黃宰他們。哪怕微軟阿祖兩家起步最晚的，都還 02/13 17:08

→ josephpu : 在投入asic。概念其實有點類似中國現在一邊走私， 02/13 17:08

→ josephpu : 一邊還是積極投入國內自產 02/13 17:08

→ josephpu : openAi最大的問題是沒有巨頭的現金流卻做著巨頭在 02/13 17:12

→ josephpu : 做的事，但它真的熬過去那就不一樣了 02/13 17:12

推 Gaujing : Amd 比較有影響 02/13 17:20

→ edison106 : 良率 sram 測試全部都是成本 02/13 17:25

→ kivan00 : 機櫃空間很貴你能忍受幾個人在一間公司整天睡覺不 02/13 17:35

→ kivan00 : 做事冷氣還不能繞過他 02/13 17:35

推 realskyer : 無話可說，感謝W大分享！ 02/13 17:52

→ realskyer : 推淺顯易懂 02/13 17:52

→ kamitengo : https://i.meee.com.tw/DxQ6f9c.jpg 02/13 18:03

→ kamitengo : 前年去聽了下，Cerebras表示他們的設計理念是你本 02/13 18:10

→ kamitengo : 來就是要預設裡面的device是fail的，裡面設計了相 02/13 18:10

→ kamitengo : 當多的redundancy，當然D0會影響每片的performance 02/13 18:10

→ kamitengo : 有差，所以當場與會的主要問他你如何測試與sorting 02/13 18:10

→ kamitengo : ？對於每片性能差異你如何建立business model讓客 02/13 18:10

→ kamitengo : 戶買單？我自己判斷他采用近存運算主要用途在推論 02/13 18:10

→ kamitengo : 效率，所以你也不用擔心他cuda相容。 02/13 18:10

推 lane34 : CEREBRAS我一直很疑惑它們為何可以活這麼久 02/13 18:19

💰 股票 Stock 版：熱門文章

💰 股票 Stock 版：更多文章