Cerebras CS-4: o que significa a promessa de inferência até 30x mais rápida

O que é o Cerebras CS-4

A Cerebras anunciou o CS-4 em 18 de agosto de 2026, conforme seu comunicado oficial. É um sistema em escala de rack com três processadores Wafer Scale Engine 3 Turbo (WSE-3T), construído sobre a plataforma modular Nexus. Cada wafer contém 900 mil núcleos e 44 GB de memória SRAM integrada, segundo o fabricante. Correção editorial: a versão anterior desta matéria datava o anúncio em 19 de agosto; o comunicado e o blog da empresa registram 18 de agosto.

Até 30x mais rápido: em qual comparação?

No comunicado, a Cerebras relata mais de 4.400 tokens por segundo por usuário em GPT-OSS-120B, com prompts idênticos na comparação, e uma vantagem de até 30x sobre soluções baseadas em GPU. O blog atribui os gráficos a dados do Artificial Analysis e a testes internos de agosto de 2026. Isso é uma afirmação divulgada pelo fornecedor, não um teste independente realizado pelo Max Assistant. A própria nota técnica ressalva que o desempenho varia com arquitetura do modelo, tamanho do contexto, precisão e configuração de serviço.

Eficiência e arquitetura Nexus

A empresa também declara até 10x mais rendimento por watt e até 2x mais velocidade que o CS-3. São comparações diferentes da vantagem de até 30x frente a GPUs. O desenho modular separa computação, energia e entrada/saída. Segundo a Cerebras, o módulo de computação Wafer-Scale Backpack usa 50% menos componentes e 60% mais manufatura automatizada que a geração anterior; esses percentuais se referem ao módulo, não a uma contagem comprovada de todas as peças do rack. O fabricante descreve interconexão entre wafers com latência que pode chegar a apenas dois microssegundos e possibilidade de clusters para modelos acima de 50 trilhões de parâmetros, não a demonstração de um modelo desse tamanho em uso comercial.

Entregas: previsão não é confirmação

Em 18 de agosto, a Cerebras informou que as primeiras entregas começariam naquele trimestre. Essa é a previsão original do anúncio, não uma confirmação de que todas as entregas ou a disponibilidade geral já ocorreram. Não há nesta matéria apuração independente do calendário efetivamente cumprido.

O que medir antes de contratar inferência

Nossa recomendação: compare o mesmo modelo e fluxo de trabalho, incluindo tempo até o primeiro token, velocidade de geração, latência da tarefa completa, concorrência, qualidade e custo por tarefa concluída. Um agente também espera ferramentas, rede e validações; multiplicar a velocidade dos tokens não multiplica automaticamente o resultado do negócio. Eficiência energética do hardware tampouco garante redução no preço da API. Para separar velocidade de conclusão, leia o AutomationBench-AA e os limites das métricas de agentes. Para desenhar um teste no seu atendimento ou operação, veja como aplicar IA na sua empresa.

Fontes primárias

Comunicado Cerebras, 18/08/2026; blog de lançamento e condições dos benchmarks; detalhamento da arquitetura no Hot Chips, 25/08/2026. Fontes consultadas em 04/10/2026.