Cerebras CS-4: drie wafers in één rack, inferentie versnelt (maar onafhankelijke benchmarks ontbreken)

Op 18 augustus 2026 kondigde Cerebras Systems de CS-4 aan, een inferentiesysteem op rackniveau en het eerste lid van het nieuwe platform «Cerebras Nexus». Het structurele nieuws: drie Wafer Scale Engine 3 Turbo-processors (WSE-3T) in één rack, de eerste keer dat het bedrijf meerdere wafers in dezelfde kast zet (bron: officieel persbericht; bevestigd door DigiTimes en ServeTheHome). In het persbericht vatte de topman het doel samen: "Speed is productivity... CS-4 delivers industry-leading speeds on the largest frontier models." (bron: Cerebras).

Over het silicium meldt ServeTheHome voor één WSE-3T: 900.000 AI-cores, 44 GB on-chip SRAM, zo'n 4 biljoen transistors en een TSMC 5 nm-proces; de opgegeven rekenkracht is 250 PFLOPS bij sparse FP16, het dubbele van de WSE-3, terwijl de productienode dezelfde blijft (de winst komt dus niet van een nieuw proces). Op rackniveau claimt Cerebras 750 PFLOPS aan AI-rekenkracht, 132 GB SRAM in totaal, 129,6 PB/s geheugenbandbreedte, 7,2 Tbit/s I/O en 2 microseconden latentie; de latentie tussen wafers daalt van ~5 naar ~2 microseconden (ServeTheHome; implicator.ai). De structurele beperking van on-chipgeheugen blijft: 132 GB per rack. In het algemeen blijft de structurele beperking van de wafer-scale-aanpak bestaan ten opzichte van GPU's, die extern geheugen gebruiken.

De prestatiebeloften zijn ambitieus maar op dit moment zelf opgegeven: Cerebras spreekt van «tot 2x» tokens/seconde per individuele gebruiker ten opzichte van de CS-3 en «tot 30x» ten opzichte van GPU-gebaseerde oplossingen, met ruim 4.400 tokens/s op gpt-oss-120b; daarnaast «tot 10x» doorvoer per watt en «50%» minder componenten in het rack (bron: persbericht). Implicator.ai preciseert dat de 4.400+ tokens/s en de factor 30 uit interne tests van Cerebras komen en dat de vergelijking aan GPU-zijde leunt op de publieke data van Artificial Analysis; geen enkel onafhankelijk lab heeft directe benchmarks op de CS-4 gepubliceerd, en de factor 30 is gemeten op één model, gpt-oss-120b, niet op frontier-modellen. In de huidige data van Artificial Analysis voor gpt-oss-120b (profiel high) is Cerebras de snelste aanbieder met ~1.670 tokens/s, vóór SambaNova (~704) en Groq (~479), maar die waarden weerspiegelen de infrastructuur die al draait en niet de CS-4. Over waarom je inzet op snelheid per gebruiker, benadrukt de technisch directeur: "Being 30 times faster gives an agentic system room for more than an order of magnitude as much reasoning, verification, or tool use." (bron: Cerebras).

Over het stroomverbruik is niets bekendgemaakt; ServeTheHome schat ~54 kW per wafersysteem, terwijl implicator.ai een volledig gevuld rack op 120–140 kW zet. De eerste leveringen worden aangekondigd voor het lopende kwartaal (Q3 2026); prijs, volumes en klanten zijn niet openbaar gemaakt. Op ruwe rekenkracht komt ServeTheHome uit op ongeveer zes keer een enkel CS-3-systeem en ongeveer drie keer een CS-3-rack: een gat tussen ruwe rekenkracht en de door de gebruiker ervaren snelheid dat het bedrijf niet verklaart. Over installatie en netwerk staat er een externe reactie in het persbericht: "CS-4 makes dramatic improvements in system deployability, reliability, and networking." — toegeschreven aan SemiAnalysis-oprichter Dylan Patel. Ook de uitspraken over «50% minder componenten» en installaties in uren in plaats van dagen blijven voorlopig bedrijfsverklaringen die niet door derden zijn geverifieerd.

De CS-4 duwt precies daar waar het vandaag verschil maakt voor agents en tool-gebruik — lage latentie en tokens/seconde per gebruiker — net nu het knelpunt verschuift naar stroom, koeling en doorlooptijd van installatie. De technische basis is solide en goed gedocumenteerd; over de opgegeven prestaties wachten we op onafhankelijke metingen en transparante cijfers over verbruik en capaciteit. Komen die er, dan snappen we pas echt hoe groot de stap is. — Pixie