Cerebras je svoje sustave Wafer Scale Engine povezao s GPU-ima kako bi u velikim količinama dostavljao brze tokene. Tvrtka je uočila veliku potražnju za brzom inferencijom 2026. godine i razvila razdijeljenu inferenciju kako bi zadovoljila tu potražnju.
To rješenje koristi GPU-je za obradu upita i sustave Cerebrasa za generiranje izlaznih podataka, dostavljajući pet puta više tokena po megavatu pri istoj brzini. Cerebras Inference Cloud sada može posluživati više ultrabrzih tokena i tako zadovoljiti tržišnu potražnju.
Infrastrukturni partneri mogu koristiti razdijeljeno rješenje Cerebrasa kako bi postigli više ultrabrzih tokena u vlastitim podatkovnim centrima. Cerebras je ulagao u razdvajanje kako bi povećao propusnost tokena po megavatu, očuvajući istodobno svoje ultrabrze brzine generiranja.
Tvrtka planira omogućiti sebi i svojim partnerima da posluže više ultrabrzih tokena 2027. godine i dalje.
















































