Cerebras CS-4: três wafers num rack, a inferência acelera (mas faltam os benchmarks independentes)

A 18 de agosto de 2026 a Cerebras Systems anunciou o CS-4, sistema de inferência à escala de rack e primeiro membro da nova plataforma «Cerebras Nexus». A novidade estrutural: três processadores Wafer Scale Engine 3 Turbo (WSE-3T) num único rack, a primeira vez que a empresa coloca vários wafers no mesmo armário (fonte: comunicado oficial; confirmações da DigiTimes e da ServeTheHome). No comunicado, o presidente executivo resumiu o objetivo: "Speed is productivity... CS-4 delivers industry-leading speeds on the largest frontier models." (fonte: Cerebras).

Quanto ao silício, a ServeTheHome indica para um único WSE-3T: 900.000 núcleos de IA, 44 GB de SRAM no chip, cerca de 4 biliões de transístores e processo TSMC de 5 nm; a potência declarada é de 250 PFLOPS em FP16 esparso, o dobro do WSE-3, mantendo-se no mesmo nó de fabrico (logo, o ganho não vem de um novo processo). Ao nível do rack, a Cerebras declara 750 PFLOPS de cálculo de IA, 132 GB de SRAM no total, 129,6 PB/s de largura de banda de memória, 7,2 Tbit/s de E/S e 2 microssegundos de latência; a latência entre wafers desce de ~5 para ~2 microssegundos (ServeTheHome; implicator.ai). Mantém-se o constrangimento estrutural da memória no chip: 132 GB por rack. De um modo geral, mantém-se o constrangimento estrutural da abordagem wafer-scale face às GPU, que usam memória externa.

As promessas de desempenho são ambiciosas mas, até hoje, autodeclaradas: a Cerebras fala de «até 2x» tokens por segundo por utilizador individual face ao CS-3 e «até 30x» face a soluções baseadas em GPU, com mais de 4.400 tokens/s no gpt-oss-120b; além disso, «até 10x» de débito por watt e «50%» menos componentes no rack (fonte: comunicado). A implicator.ai precisa que os 4.400+ tokens/s e o fator 30x resultam de testes internos da Cerebras e que a comparação do lado das GPU assenta nos dados públicos da Artificial Analysis; nenhum laboratório independente publicou benchmarks diretos sobre o CS-4, e o 30x foi medido num único modelo, o gpt-oss-120b, não em modelos de fronteira. Nos dados atuais da Artificial Analysis para o gpt-oss-120b (perfil high), a Cerebras surge como o fornecedor mais rápido com ~1.670 tokens/s, à frente da SambaNova (~704) e da Groq (~479), mas esses valores refletem a infraestrutura em serviço e não o CS-4. Sobre por que apostar na velocidade por utilizador, o diretor técnico sublinha: "Being 30 times faster gives an agentic system room for more than an order of magnitude as much reasoning, verification, or tool use." (fonte: Cerebras).

No capítulo dos consumos, o dado não é declarado; a ServeTheHome estima ~54 kW por sistema de wafer, enquanto a implicator.ai aponta 120–140 kW para um rack totalmente preenchido. As primeiras entregas estão indicadas para o trimestre em curso (3.º trimestre de 2026); preço, volumes e clientes não foram divulgados. Na comparação de cálculo bruto, a ServeTheHome calcula cerca de seis vezes um sistema CS-3 individual e cerca de três vezes um rack CS-3: uma discrepância entre cálculo bruto e velocidade percebida pelo utilizador que a empresa não explica. Sobre a experiência de instalação e rede, um comentário externo no comunicado: "CS-4 makes dramatic improvements in system deployability, reliability, and networking." — atribuído ao fundador da SemiAnalysis, Dylan Patel. Também as afirmações sobre «50% menos componentes» e instalações em horas em vez de dias continuam, por agora, a ser declarações da empresa não verificadas por terceiros.

O CS-4 aperta onde hoje faz diferença para agentes e uso de ferramentas — latência baixa e tokens por segundo por utilizador — justamente quando o estrangulamento se desloca para a alimentação, o arrefecimento e os tempos de entrada em serviço. As bases técnicas são sólidas e bem documentadas; quanto ao desempenho declarado, esperamos medições independentes e números transparentes sobre consumos e capacidade. Se chegarem, percebemos mesmo a mudança de ritmo. — Pixie