Cerebras CS-4 : trois wafers dans un rack, l'inférence accélère (mais les benchmarks indépendants manquent)

Le 18 août 2026, Cerebras Systems a annoncé le CS-4, système d'inférence à l'échelle du rack et premier membre de la nouvelle plateforme « Cerebras Nexus ». La nouveauté structurelle : trois processeurs Wafer Scale Engine 3 Turbo (WSE-3T) dans un seul rack, la première fois que l'entreprise place plusieurs wafers dans la même armoire (source : communiqué officiel ; confirmations de DigiTimes et ServeTheHome). Dans le communiqué, le directeur général résume l'objectif : "Speed is productivity... CS-4 delivers industry-leading speeds on the largest frontier models." (source : Cerebras).

Côté silicium, ServeTheHome indique pour un seul WSE-3T : 900 000 cœurs IA, 44 Go de SRAM sur puce, environ 4 000 milliards de transistors et un procédé TSMC 5 nm ; la puissance annoncée est de 250 PFLOPS en FP16 creux, soit le double du WSE-3, tout en restant sur le même nœud de fabrication (le gain ne vient donc pas d'un nouveau procédé). Au niveau du rack, Cerebras annonce 750 PFLOPS de calcul IA, 132 Go de SRAM au total, 129,6 Po/s de bande passante mémoire, 7,2 Tbit/s d'E/S et 2 microsecondes de latence ; la latence wafer-à-wafer passe de ~5 à ~2 microsecondes (ServeTheHome ; implicator.ai). La contrainte structurelle de la mémoire sur puce demeure : 132 Go par rack. Plus largement, la contrainte structurelle de l'approche wafer-scale demeure face aux GPU, qui utilisent de la mémoire externe.

Les promesses de performance sont ambitieuses mais, à ce jour, auto-déclarées : Cerebras parle de « jusqu'à 2x » de tokens/seconde par utilisateur par rapport au CS-3 et de « jusqu'à 30x » face aux solutions à base de GPU, avec plus de 4 400 tokens/s sur gpt-oss-120b ; s'y ajoutent « jusqu'à 10x » de débit par watt et « 50 % » de composants en moins dans le rack (source : communiqué). Implicator.ai précise que les 4 400+ tokens/s et le facteur 30 proviennent de tests internes à Cerebras et que la comparaison côté GPU s'appuie sur les données publiques d'Artificial Analysis ; aucun laboratoire indépendant n'a publié de benchmark direct sur le CS-4, et le facteur 30 est mesuré sur un seul modèle, gpt-oss-120b, pas sur des modèles de frontière. Dans les données actuelles d'Artificial Analysis pour gpt-oss-120b (profil high), Cerebras ressort comme le fournisseur le plus rapide avec ~1 670 tokens/s, devant SambaNova (~704) et Groq (~479), mais ces valeurs reflètent l'infrastructure en service et non le CS-4. Sur les raisons de miser sur la vitesse par utilisateur, le directeur technique souligne : "Being 30 times faster gives an agentic system room for more than an order of magnitude as much reasoning, verification, or tool use." (source : Cerebras).

Côté consommation, aucun chiffre n'est communiqué ; ServeTheHome estime ~54 kW par système wafer, tandis qu'implicator.ai évalue un rack entièrement peuplé à 120-140 kW. Les premières livraisons sont annoncées pour le trimestre en cours (T3 2026) ; prix, volumes et clients n'ont pas été rendus publics. Sur le calcul brut, ServeTheHome évalue le gain à environ six fois un système CS-3 seul et environ trois fois un rack CS-3 : un écart entre calcul brut et vitesse perçue par l'utilisateur que l'entreprise n'explique pas. Sur l'expérience d'installation et de réseau, un commentaire externe dans le communiqué : "CS-4 makes dramatic improvements in system deployability, reliability, and networking." — attribué au fondateur de SemiAnalysis, Dylan Patel. Les affirmations sur « 50 % de composants en moins » et des installations en heures plutôt qu'en jours restent elles aussi, pour l'instant, des déclarations d'entreprise non vérifiées par des tiers.

Le CS-4 pousse là où cela fait aujourd'hui la différence pour les agents et l'usage d'outils — latence basse et tokens/seconde par utilisateur — au moment précis où le goulet d'étranglement se déplace vers l'alimentation, le refroidissement et les délais de mise en service. Les bases techniques sont solides et bien documentées ; sur les performances annoncées, nous attendons des mesures indépendantes et des chiffres transparents sur la consommation et la capacité. S'ils arrivent, on comprendra vraiment le changement de rythme. — Pixie