Cerebras 发布博客文章，称其晶圆级硬件能够部署参数规模达万亿级的前沿 AI 模型。可获取的摘录没有说明具体是哪些模型、推理吞吐或延迟数据，也没有给出开放使用的时间表，因此这目前仍是厂商层面的部署能力说明，而非独立验证的结果。对关注大模型推理基础设施的读者而言，关键待确认信息是模型目录、实际性能和可获得的容量。
背景
部署万亿参数级模型通常要把权重切分到多张 GPU，而且跨卡通信和显存带宽往往成为延迟瓶颈；Cerebras 的路线是用整片晶圆承载模型，依赖片上内存与片上互连完成推理。Horizon 8 月 20 日的日报曾报道其下一代 CS-4 预告，称性能与功耗都将翻倍；当时这些仍是预告参数，而非已交付、可独立验证的规格。
参考链接
社区讨论
对于评估将推理负载放到 Cerebras 上的开发者，评论中提到的模型目录限制和容量瓶颈是选型时需要向厂商核实的具体问题；现有材料尚不足以判断万亿参数模型何时能普遍开放。
评论者对 Cerebras 的讨论集中在两点：一是其算力与制造能力可能难以满足需求，二是其平台上可用的模型偏旧或偏小。有评论者称自己只能访问 GPT OSS 120B、Qwen 3.8 27B 等模型，并质疑速度优势能否抵消准确率或模型新鲜度上的不足；这些属于用户体验和观点，并非官方数据。