模型發布
Cerebras 上線 Qwen 3.8 27B 模型，據報推論速度達 1500 tokens/s
Hacker News單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
據 Hacker News 消息指出，Qwen 3.8 27B 模型已在 Cerebras 平台上線，推論速度據報高達 1500 tokens/s。
根據 Cerebras 官方推論文件說明，平台公共端點所託管的開源模型皆為未經剪枝（unpruned）的原始版本。為確保輸出品質，Cerebras 僅在儲存階段採用選擇性權重量化（支援 16-bit、8-bit 與 4-bit），敏感層則保留全精度並在運算時即時反量化（dequantization）。同時，模型的激活值（activations）、注意力機制（attention）與 KV 快取在運作時均維持全精度且不進行量化。
官方亦澄清，其研發的 REAP（Router-weighted Expert Activation Pruning）剪枝模型僅於 Hugging Face 提供研究社群使用，不會透過生產環境的共用 API 提供，並承諾不會在未通知的情況下更改現有端點的模型架構。
讀原始報導社群討論
社群高度讚賞 Cerebras 極致的生成速度（實測達 890~1500 tok/s），認為能大幅節省等待時間，但嚴苛的速率限制（150k~450k TPM）與缺乏快取折扣成為致命傷，有實測指出 90 秒內即因觸發限制燒掉 $1.10 且任務未完成（對比 DeepSeek-V4-Flash 僅需 $0.024）。此外，部分開發者質疑為 27B 這種能在本地端（64GB RAM 或 RTX 5090）流暢運行的小模型付費並不划算。也有人反映其工具呼叫失敗率較高，導致整體開發效率並未因生成極快而顯著提升。