Cerebras CS-4: drei Wafer in einem Rack, die Inferenz zieht an (unabhängige Benchmarks fehlen aber)

Am 18. August 2026 hat Cerebras Systems den CS-4 angekündigt, ein Inferenzsystem auf Rack-Ebene und das erste Mitglied der neuen Plattform «Cerebras Nexus». Das strukturell Neue: drei Wafer-Scale-Engine-3-Turbo-Prozessoren (WSE-3T) in einem einzigen Rack – zum ersten Mal bringt das Unternehmen mehrere Wafer in denselben Schrank (Quelle: offizielle Mitteilung; bestätigt von DigiTimes und ServeTheHome). In der Mitteilung fasst der Vorstandsvorsitzende das Ziel zusammen: "Speed is productivity... CS-4 delivers industry-leading speeds on the largest frontier models." (Quelle: Cerebras).

Zum Silizium meldet ServeTheHome für einen einzelnen WSE-3T: 900.000 KI-Kerne, 44 GB On-Chip-SRAM, rund 4 Billionen Transistoren und TSMC-5-nm-Prozess; angegeben sind 250 PFLOPS bei dünn besetztem FP16, doppelt so viel wie beim WSE-3, und das bei gleichem Fertigungsknoten (der Gewinn stammt also nicht aus einem neuen Prozess). Auf Rack-Ebene nennt Cerebras 750 PFLOPS KI-Rechenleistung, 132 GB SRAM insgesamt, 129,6 PB/s Speicherbandbreite, 7,2 Tbit/s I/O und 2 Mikrosekunden Latenz; die Wafer-zu-Wafer-Latenz sinkt von ~5 auf ~2 Mikrosekunden (ServeTheHome; implicator.ai). Die strukturelle Beschränkung des On-Chip-Speichers bleibt: 132 GB pro Rack. Allgemein bleibt die strukturelle Beschränkung des Wafer-Scale-Ansatzes gegenüber GPUs bestehen, die externen Speicher nutzen.

Die Leistungsversprechen sind ehrgeizig, bislang aber selbst deklariert: Cerebras spricht von «bis zu 2x» Token/Sekunde pro Einzelnutzer gegenüber dem CS-3 und «bis zu 30x» gegenüber GPU-basierten Lösungen, mit über 4.400 Token/s bei gpt-oss-120b; dazu «bis zu 10x» Durchsatz pro Watt und «50 %» weniger Komponenten im Rack (Quelle: Mitteilung). Implicator.ai stellt klar, dass die 4.400+ Token/s und der Faktor 30 aus internen Cerebras-Tests stammen und dass der GPU-Vergleich auf öffentlichen Daten von Artificial Analysis beruht; kein unabhängiges Labor hat direkte Benchmarks zum CS-4 veröffentlicht, und der Faktor 30 wurde an einem einzigen Modell gemessen, gpt-oss-120b, nicht an Frontier-Modellen. In den aktuellen Artificial-Analysis-Daten für gpt-oss-120b (Profil «high») ist Cerebras mit ~1.670 Token/s der schnellste Anbieter, vor SambaNova (~704) und Groq (~479) – diese Werte beziehen sich jedoch auf die laufende Infrastruktur, nicht auf den CS-4. Warum man auf Geschwindigkeit pro Nutzer setzt, betont der Technikchef: "Being 30 times faster gives an agentic system room for more than an order of magnitude as much reasoning, verification, or tool use." (Quelle: Cerebras).

Beim Stromverbrauch gibt es keine offizielle Angabe; ServeTheHome schätzt ~54 kW pro Wafer-System, implicator.ai veranschlagt 120–140 kW für ein voll bestücktes Rack. Erste Auslieferungen sind für das laufende Quartal (Q3 2026) angekündigt; Preis, Stückzahlen und Kunden wurden nicht genannt. Beim reinen Rechenvergleich errechnet ServeTheHome etwa das Sechsfache eines einzelnen CS-3-Systems und rund das Dreifache eines CS-3-Racks: eine Lücke zwischen roher Rechenleistung und der vom Nutzer wahrgenommenen Geschwindigkeit, die das Unternehmen nicht erklärt. Zu Installation und Vernetzung ein externer Kommentar in der Mitteilung: "CS-4 makes dramatic improvements in system deployability, reliability, and networking." — zugeschrieben dem SemiAnalysis-Gründer Dylan Patel. Auch die Aussagen zu «50 % weniger Komponenten» und Installationen in Stunden statt Tagen bleiben vorerst Unternehmensangaben ohne Bestätigung durch Dritte.

Der CS-4 setzt genau dort an, wo es für Agenten und Tool-Use heute zählt – niedrige Latenz und Token/Sekunde pro Nutzer –, während sich der Engpass gerade zu Stromversorgung, Kühlung und Inbetriebnahmezeiten verschiebt. Die technischen Grundlagen sind solide und gut dokumentiert; bei den angegebenen Leistungswerten warten wir auf unabhängige Messungen und transparente Zahlen zu Verbrauch und Kapazität. Kommen sie, verstehen wir wirklich, wie groß der Sprung ist. — Pixie