何が起きたのか

OpenAIが2026年8月13日、APIの新しいサービス階層として「Ultrafast」の限定プレビューを告知しました。公式ページ『Previewing Ultrafast mode: GPT-5.6 Sol at up to 14X the speed』によれば、GPT-5.6 Sol をStandard処理の最大14倍の速度で走らせ、出力は最大750トークン/秒に達します（OpenAI 2026-08-13）。提供はまずOpenAI APIから始まり、現時点では「a select group of customers」への限定プレビューで、容量の増加に応じて拡大するとされています。

この速度を出しているのはGPUではありません。同日、Cerebrasが自社ブログ『Accelerating GPT-5.6 Sol Ultrafast』とプレスリリースで、Ultrafastが同社のウェハスケールエンジン（WSE、ウェハ1枚をそのまま1個のチップにする設計）上で動いていることを公表しています（Cerebras 2026-08-13、GlobeNewswire 2026-08-13）。Cerebras側は、Ultrafast版のGPT-5.6 SolはStandardと同じ知能で動く、と明記しています。

注目すべきは、新しいモデルが出たのではないという点です。モデルは同じで、売られているのは速度だけ。OpenAIは公式発表のブログ投稿で「Until now, getting real-time speed typically meant choosing a smaller or more specialized model.」と説明しています（OpenAI 2026-08-13）。TechCrunchも同じ文言を引用しています（TechCrunch 2026-08-13）。

速度が三層のSKUになった

これでGPT-5.6 Solの速度プレミアム階層は3段になりました(別途、低速・割安のFlex/Batch経路もあります)。整理すると次のとおりです。

階層速度（Standard比）価格（Standard比）実行基盤
Standard1倍入力 5ドル/M・出力 30ドル/M非公表
Fast最大2.5倍2倍（入力 10ドル/M・出力 60ドル/M）非公表
Ultrafast最大14倍（最大750 tok/s）未公表Cerebras WSE

実行基盤について公式に確認できるのはUltrafastがCerebras WSEであることだけで、Standard/Fastの具体的なハードウェアは公開情報からは分かりません。

Fastについては、OpenAI Developersアカウントが「Fast mode for GPT-5.6 Sol in the API delivers up to 2.5x the speed of Standard processing at 2x the Standard price, with no change in intelligence.」と述べ、従来の priority タグ付きリクエストがそのままFastとして動く後方互換も明言しています（@OpenAIDevs）。一方でUltrafastの価格は、8月16日時点で公表されていません。プレビューの案内にも料金の記載はなく、アクセス希望者は専用フォームで登録する形です。

つまり現在のUltrafastは、公開価格が示されないまま性能だけが先に示されている段階です。価格が社内で未決定なのか、契約ごとの個別条件なのかは公開情報からは分かりません。ここが後半の試算で効いてきます。

Cerebras側が出した数字──11時間11分と5.6倍

Cerebrasのブログには、14倍という数字よりも実務的に重要な計測が2つ載っています。

ひとつはHumanity’s Last Exam（HLE）2,500問の実行時間です。同社は「GPT-5.6 Sol on Ultrafast mode answered all 2,500 HLE questions in 11 hours and 11 minutes. Claude Fable 5 needed 78 hours and 27 minutes」と記しています。約7倍の壁時計時間の差です。同ブログはさらに、Artificial Analysisが報告した出力速度をもとに、Ultrafastは「11x faster than Fable 5, and 5x faster than Opus 4.8 on Fast mode」だとしています。これはHLEの壁時計時間比較（約7倍）とは別の、出力トークン速度どうしの比較です。

もうひとつがGDP-Valです。経済的価値のある知識労働タスクを対象としたこのベンチマークで、Cerebrasは「Ultrafast delivered a 5.6x end-to-end speedup with no quality degradation」と述べています。

ここに素直な落差があります。トークン生成速度は14倍を謳うのに、エンドツーエンドの実タスクでは5.6倍。しかもCerebras自身が「Performance comparisons are based on third-party benchmarking or internal testing. Observed inference speed improvements versus GPU-based systems may vary depending on workload, configuration, date and models being tested.」という注記を添えています。ベンダー計測であることは前提に置く必要があります。

ハードウェア側の根拠として、同ブログはウェハ1枚あたり44GBのSRAMを載せ、重みをオンチップに保持したまま、複数ウェハにまたがってパイプライン化した層にトークンを流す、と説明しています。デコード時にオフチップメモリへ重みを転送しにいかない構造なので、メモリ帯域がボトルネックになりにくい、という主張です。

14倍が5.6倍になった内訳

Cerebrasが公開したGDP-Valの図には、品質をそろえた6タスクの平均について時間の内訳が示されています。Standardは合計約7.7分（model-request time約7.5分、non-inference 14.2秒）、Ultrafastは合計83.0秒（model-request time 68.1秒、non-inference 14.9秒）です（Cerebras）。丸め値から計算すると、model-request部分の短縮率は約6.6倍、non-inference時間は14.2秒から14.9秒でほぼ変わっていません。

つまり、この6タスクでの5.6倍という結果を「生成以外に数秒の固定コストがあるから」と説明することはできません。non-inference自体はUltrafastでもほぼ縮んでおらず、縮小の主因はmodel-request部分自体が最大14倍ではなく約6.6倍にとどまったことにあります。TTFT・入力処理・reasoning量・出力長といったmodel-request内部の内訳は公開されていないため、なぜ6.6倍にとどまったのかまでは分かりません。最大14倍は出力トークン速度の上限値、約6.6倍はこの6タスクのmodel-request全体の短縮率、5.6倍はnon-inferenceも含む総時間の短縮率という、3つの別々の指標です。

参考: 固定オーバーヘッドが実効速度を削る仮想例

上記の実測とは別に、エージェント的なワークロード一般で固定オーバーヘッドが実効速度をどう削るかを、単純な仮想モデルで確認しておきます。GDP-Valの実測5.6倍を説明するものではなく、あくまで一般論としての目安です。

エージェントの1回の実行が $N$ ステップの逐次ツール呼び出しからなり、各ステップで $L$ トークンを生成し、生成以外の固定オーバーヘッド（最初のトークンが返るまでの待ち、ツール実行、ネットワーク往復）を $c$ 秒とすると、総実行時間 $T$ は出力速度 $S$ の関数として次のように書けます。

$$ T(S) = N \left( c + \frac{L}{S} \right) $$

Standard比の高速化率は $N$ が約分されて消え、

$$ \frac{T(S_{\text{std}})}{T(S_{\text{ultra}})} = \frac{c + L/S_{\text{std}}}{c + L/S_{\text{ultra}}} $$

となります。$S_{\text{ultra}} = 750$ tok/s、そして14倍という比から逆算すると $S_{\text{std}} \approx 53.6$ tok/s という仮想的な基準値になります。ただしOpenAIの公式告知やAPIドキュメントにはStandardの絶対的なトークン生成速度の記載が見当たらず、二つの up to 値が同一条件で同時に成立する保証もありません。この約53.6 tok/sはあくまで14倍・750 tok/sからの筆者による逆算値です（OpenAI API Docs 2026-08-16）。なお第三者のArtificial AnalysisはGPT-5.6 Sol (max)の出力速度を約74 tokens/sと公表しており（2026-08-16取得時点では73.7 tokens/s）、この逆算値とは一致しません（Artificial Analysis 2026-08-16）。以下の試算は逆算値53.6 tok/sを置いた場合の目安として読んでください。

$L = 2{,}000$ トークンとして、生成以外の固定オーバーヘッド $c$ を振ってみます。

固定オーバーヘッド $c$Standardの1ステップUltrafastの1ステップ実効高速化率
0秒37.3秒2.7秒14.0倍
2秒39.3秒4.7秒8.4倍
5秒42.3秒7.7秒5.5倍

$c$ が5秒程度あると、この仮想モデルでは実効的な高速化率は14.0倍から5.5倍まで下がります。トークン生成がいくら速くなっても、ツール実行やネットワークの秒数はUltrafastでは縮まないからです。逆に言えば、Ultrafastの14倍が効くのは生成時間が支配的なワークロードに限られます。長文を一気に吐くリアルタイム音声や長い推論チェーンでは効きやすく、外部APIを何度も叩くエージェントでは目減りしやすくなります(この仮想例の数値と、上記のGDP-Val実測の約6.6倍・5.6倍は別の計算です)。

いくらまでなら払えるのか

価格が未公表なので、逆に「いくらまでなら合理的か」を計算しておく価値があります。ここでの前提は、人間が画面の前で結果を待っている用途です。

1リクエストで出力2,000トークン生成するとき、Standardの出力コストは30ドル/M × 2,000 = 0.06ドルです。価格倍率を $k$、待つ人の時間価値を時給 $w$ ドル、Standard比の短縮秒数を $\Delta T$ とすると、追加支払いが割に合う条件は

$$ (k - 1) \times 0.06 \le w \times \frac{\Delta T}{3600} $$

まずFast（2.5倍速・$k=2$）で検算します。$S = 134$ tok/s なので所要は14.9秒、Standardの37.3秒から $\Delta T = 22.4$ 秒。式を $w$ について解くと約9.6ドル/時が損益分岐点です。仮に1ドル150円とすれば時給およそ1,450円。この水準を超える人が待っているなら、Fastは既に元が取れている計算になります。ただしこれは出力2,000トークン・入力ゼロという特殊ケースです。Fastは入力価格も2倍になるため、入力トークン数が多いほど追加コストは増え、損益分岐点の時給も上がります。たとえば入力10,000トークンなら追加コストは0.11ドルとなり、同じ22.4秒短縮でも分岐点は時給約17.7ドル(約2,650円)まで上がります。

次にUltrafast。$\Delta T = 37.3 - 2.7 = 34.6$ 秒です。エンジニアの時間価値を50ドル/時と置くと右辺は0.48ドル。出力課金だけを考え、53.6/750 tok/sを実効速度とし、価格が入出力に一律倍率でかかると仮定すると、これを満たす $k$ は約9以下です。ただしUltrafastの課金方式自体が未公表で、入力費用・reasoning tokens・固定費を考慮していないため、これは「出力課金のみを仮定した上限の目安」であり、実際の価格にどれだけ余地があるかを示すものではありません。

ただしこの計算はいくつもの前提の上に立っています。人間が待っていないバッチ処理では、この式が便益として数えるのは人間の待ち時間だけなので $w$ が実質ゼロになり、追加料金を式の上で正当化する根拠は消えます。ただし締切・SLA・下流処理の早期開始といった価値は式に含まれていないため、バッチ用途で速度に価値がまったくないと断定はできません。逆にインシデント対応のように1分の遅れが直接損害額に効く用途では、$w$ を時給で測ること自体が過小評価になります。OpenAIが公式発表で挙げた想定用途もインシデント対応・カスタマーサポート・金融市場分析・EC運用で、いずれも待ち時間そのものがコストになる領域です。

残された不確実性

価格が出ていない。上の試算は $k$ を未知数のまま扱っています。Ultrafastが仮にFastと同じ2倍なら多くの対話型用途で即座に正当化できますが、10倍を超えるなら用途はかなり絞られます。ここが決まらないと調達判断はできません。

性能数値の出所がベンダー側に寄っている。HLEの11時間11分もGDP-Valの5.6倍もCerebras公表値で、同社自身が測定条件によって変動しうると注記しています。第三者による独立計測はまだ見当たりません。

同じ知能という主張を外部から検証できない。Cerebrasは知能がStandardと同等だと述べ、GDP-Valでも品質劣化なしとしていますが、限定プレビューである以上、外部が同一プロンプトで出力を突き合わせて確かめるのは当面難しい状況です。

供給がCerebrasに依存する。OpenAIとCerebrasは2026年1月に100億ドル超・750MW規模の契約を結んだと報じられ（CNBC 2026-01-14）、Cerebrasが2026年4月17日に提出したIPO目論見書(S-1)では、同じ750MW規模(最大2GWまで拡張可能)の契約が200億ドル超のMaster Relationship Agreementとして開示されたと報じられています（CNBC 2026-04-17、Yahoo Finance）。当初の100億ドル超という報道額から契約自体が拡大したのか、開示が追いついて総額が判明しただけなのかは、参照した報道からは判別できません。Ultrafastはその供給網の上に乗っています。現在のUltrafastはCerebrasのWSE上でのみ提供されており、OpenAIも容量が限定的だと明記していますが、OpenAI社内のルーティングや代替基盤、将来の供給設計は公開されていないため、「他クラウドへ横に逃がせない構成だ」と断定はできません。OpenAIが「as capacity grows」と繰り返しているのは、容量が当面の制約であることの裏返しでもあります。本番ワークロードをUltrafast前提で組むなら、Standardへのフォールバック経路は残しておくのが安全策です。

UltrafastのTTFTとmodel-request内部の内訳が不明。CerebrasはGDP-Valの図でmodel-request timeとnon-inference timeの区分までは公開していますが、そのmodel-request time自体をさらに分解するTTFT・入力処理・reasoning量・出力長の内訳は公表していません。OpenAI公式告知とCerebras公式ブログ・プレスリリースの本文で数値として確認できるのは出力トークン/秒（最大750 tok/s）だけで、Ultrafastの最初のトークンが返るまでの時間（TTFT）の数値も見当たりません（OpenAI Developer Community 2026-08-13）。Cerebrasのプレスリリースには、OpenAIのSachin Katti氏による「significantly lower latency」という定性的な言及があるだけです（GlobeNewswire 2026-08-13）。参考までにStandard側については、第三者のArtificial AnalysisがGPT-5.6 Sol (max)のTTFTを142.43秒と計測・公表していますが、この指標はreasoning時間を含むため、上の仮想モデルでいう固定費 $c$ と単純に同一視はできません（Artificial Analysis 2026-08-16）。

まとめ

OpenAIが8月13日に出したUltrafastは、新しいモデルではなく新しい売り方です。同じGPT-5.6 Solを、Standard・Fast（2.5倍・2倍価格）・Ultrafast（最大14倍・750 tok/s・価格未公表）の三層で買えるようにした。クラウドが帯域やIOPSを段階課金してきたのと同じ構造が、推論にも持ち込まれた形です。

実務側の読み方は2点に集約されます。ひとつは、14倍という見出しの数字をそのまま自分のワークロードに掛けないこと。Cerebras自身のGDP-Valでは5.6倍にとどまっており、内訳を見るとmodel-request部分自体が約6.6倍、生成以外のnon-inference部分はほぼ変わっていません(14.2秒→14.9秒)。もうひとつは、速度に払える上限を先に自分で計算しておくこと。人間が待つ用途なら待機時間の価値で上限が引けますし、人間の待機時間だけを便益とするこの式では、バッチ用途の追加料金を正当化できません。価格が発表された瞬間に判断できるよう、$\Delta T$ と $w$ を自社の数字で埋めておくのが実務的な準備になります。

主要出典

関連する過去記事