Cerebras、モデル Qwen 3.8 27B を 1,850 トークン/秒で配信──ウェハースケール推論クラウドを活用
Alibaba の Qwen 3.8 27B を Cerebras 推論クラウドで配信し、出力速度 1,850 トークン/秒と入力 $0.99/100万トークンの低価格を両立した。
リリース: 2026-09-11 · 読了 3 分記事の要約
1. 核心（What）
- Cerebras は Alibaba のオープンウェイトマルチモーダルモデル Qwen 3.8 27B をウェハースケール推論クラウドに追加した。
- 共有エンドポイントでの生成スループットは秒間約 1,850 トークンを記録し、人工解析インデックスのスコアは 34 と評価されている。
- API の料金体系は入力トークンが 100 万あたり $0.99、出力トークンが 100 万あたり $1.49 である。
- API は OpenAI 互換であり、vision リクエスト、ツール呼び出し、構造化出力を同一フローで処理できる。
2. 影響（Why）
- エージェント開発のループ加速: 2,000 トークンの完了に要する時間が約 1.1 秒に短縮されるため、複数回のツール呼び出しを伴う自律型エージェントの処理遅延を抜本的に改善できる。
- 国内 SaaS の推論コスト削減: 国内の受託開発・SaaS 事業者は、大規模な商用モデルの代わりに Qwen 27B の高速エンドポイントを採用することで、月次コストを抑えたリアルタイム機能を実装できる。
3. 根拠・詳細（How）
- ウェハースケールプロセッサの採用: モデルの計算とメモリを単一の大型デバイスに集約することで、複数チップ間の通信オーバーヘッドを排除し、高スループットを実現している。
- 高推論モードのデフォルト制御: デフォルトで高推論モードが有効になっており、レスポンス前に内部推論トークンを消費するため、レイテンシ重視の用途では reasoning_effort=none の指定が必要となる。
4. 展望・課題（Next）
- 共有ティアの運用制限: 共有サービスは 150K TPM の上限があり SLA も非対応のため、本番環境の長期運用には専用デプロイやエンタープライズ契約への移行が必須となる。