Cerebras CS-4: 30x más rápido que GPUs en inferencia

Cerebras CS-4: hasta 30 veces más rápido que las GPUs en inferencia

Cerebras lanzó el 18 de agosto de 2026 su nuevo sistema CS-4, un acelerador de IA rack-scale que, según la compañía, entrega hasta 30 veces más velocidad de inferencia que las soluciones basadas en GPU, al mismo tiempo que ofrece hasta 10 veces más throughput por vatio y duplica el rendimiento de su predecesor, el CS-3. Las primeras unidades del CS-4 se enviarán durante el tercer trimestre de 2026, de acuerdo con el comunicado oficial recogido por Yahoo Finance.

Para un founder, la cifra clave no es el TFLOPs: son los 4.400 tokens por segundo por usuario (TPS/user) que la compañía reporta en una comparación directa sobre GPT-OSS-120B, una barrera que redefine qué se considera "tiempo real" en productos de IA. Andrew Feldman, CEO y cofundador de Cerebras, lo dijo sin rodeos en el comunicado: "En IA, la velocidad es productividad. Con el CS-4, la IA es tan rápida que cambia la forma de los productos".

Qué cambia respecto al CS-3 (y por qué te importa)

El CS-4 está construido a partir de tres nuevos chips WSE-3 Turbo (WSE-3T), la versión mejorada del WSE-3. Las cifras del salto generacional, según el comunicado oficial de Cerebras y la tabla publicada por Markets Insider:

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

AI compute: 125 PFLOPS (CS-3) → 750 PFLOPS (CS-4).
Memory bandwidth: 21,6 PByte/s → 129,6 PByte/s.
On-chip fabric: 26,7 PByte/s → 160,5 PByte/s.
I/O del sistema: 1,2 Tbit/s → 7,2 Tbit/s.
Latencia I/O: 5 µs → 2 µs.

Cada WSE-3T contiene, según el comunicado, 4 billones de transistores y 900.000 núcleos optimizados para IA sobre 46.225 mm² de silicio, con 44 GB de SRAM integrados directamente en la oblea. El ancho de banda de memoria es, según Cerebras, el factor que determina velocidad y throughput en inferencia, y aquí se duplicó de 21,6 a 43,2 PByte/s por oblea.

Dylan Patel, fundador y CEO de SemiAnalysis, citado en el lanzamiento, resumió el avance así: "El Cerebras Backpack está enfocado en time to market. A medida que la inferencia ultrarrápida sigue creciendo, el hardware más reciente de Cerebras ayudará a garantizar velocidades de frontera".

Nexus Platform Architecture: el cambio real no es el chip, es el rack

La novedad más relevante para operaciones, según el comunicado de Cerebras, no está solo en el silicio sino en tres rediseños de sistema bajo la nueva Cerebras Nexus Platform Architecture:

Pluggable Backpack Design. Cada WSE se entrega en una "mochila" modular que combina el wafer, conversión de potencia, refrigeración líquida directa, I/O de alta velocidad y electrónica de control. Resultado: 50% menos componentes, 60% más manufactura automatizada, y un tiempo de despliegue que pasa de días a horas.
Entrega de potencia a alta densidad. La conversión de potencia se acerca de ~50 mm a 0,5 mm del procesador (100 veces más cerca), eliminando casi por completo la pérdida de potencia a nivel de placa y entregando el doble de potencia al WSE-3T.
I/O programable de nueva generación. Soporta RoCE v2 RDMA sobre Ethernet para integrarse en infraestructura existente, más un nuevo modo Direct Wafer Links que enlaza wafers dentro y entre racks sin switch, con latencia wafer-a-wafer de 2 µs. Esto habilita clusters para modelos con más de 50 billones de parámetros.

Sean Lie, CTO y cofundador de Cerebras, lo enmarcó como un cambio para cargas agenticas: "Ser 30 veces más rápido no es solo que la respuesta se sienta rápida. Le da a un sistema agéntico espacio para más de un orden de magnitud adicional de razonamiento, verificación o uso de herramientas en el mismo wall-clock time".

Qué significa esto para tu startup

El precio de la latencia cae en picado. Si tu producto depende de responder en milisegundos (chat, agentes, code assist, copilots), los proveedores de inferencia ultrarrápida van a empezar a ofertar TPS por usuario que hoy son inviables. Si tu costo por token estaba dominando el P&L, prepárate para renegociar contratos a 12 meses con proveedores tradicionales.
Aparecen patrones de diseño "disaggregated inference". Cerebras menciona explícitamente la construcción de soluciones donde un motor de prefill (p. ej. AMD Helios o AWS Trainium) procesa el prompt y luego pasa la salida a un wafer de Cerebras para el decode de baja latencia. Si tu startup es de orquestación o middleware, este patrón abre nuevos huecos de producto: routers de inferencia, schedulers heterogéneos, herramientas de observabilidad cross-vendor.
El coste por vatio se vuelve métrica de producto. Con hasta 10× más throughput por vatio que el CS-3, según Cerebras, los hyperscalers van a poder ofrecer precio/token más agresivo. Para founders con productos SaaS con IA integrada, conviene empezar a preguntar a tu proveedor: "¿en qué hardware corre mi inferencia?" — la diferencia de costo ya no es trivial.

Contexto de mercado: Cerebras ya factura, pero la competencia aprieta

El lanzamiento llega en un momento clave para Cerebras Systems (NASDAQ: CBRS): según Yahoo Finance, en Q2 2026 la compañía reportó USD 209,9 millones de ingresos (vs. USD 108 millones esperados) y elevó su guidance 2026 a USD 880–890 millones. El margen bruto ajustado cayó a 40,6% desde 46,5% en Q1, por el coste de arrendar capacidad a terceros para cumplir con el ramp de OpenAI.

Sobre OpenAI, Yahoo Finance recuerda que el acuerdo con Cerebras es por 750 MW de capacidad comprometida hasta 2028, estructurado para que OpenAI pueda extender contratos y/o contratar capacidad adicional hasta 2030 (USD 20.000 millones anunciados en abril, según la nota de Wedbush). En cuanto a competencia, el mismo análisis de Zacks apunta a NVIDIA, AMD y Broadcom como rivales activos en este espacio.

El CS-4 se anunció en el marco de Supernova 2026, el evento anual de Cerebras, lo que da al lanzamiento una connotación estratégica más amplia: la compañía busca consolidar la narrativa de "fast tokens as a moat" ante Wall Street y ante los hyperscalers.

Acciones concretas que puedes tomar esta semana

Audita tu coste de inferencia. Pide a tu proveedor un breakdown del hardware que corre tus prompts y el TPS/throughput que entrega. Si descubres que estás en infraestructura de generación anterior, negocia el precio antes de fin de trimestre.
Monta un spike con OpenRouter o Hugging Face sobre infraestructura Cerebras (donde esté disponible) para medir latencia en un caso de uso agente (tool calling, RAG multi-step). Tener un benchmark propio frente al dato de 4.400 TPS/user es lo único que te permite decidir si importa para tu producto.
Diverge tu roadmap de inferencia. Diseña tus prompts y arquitecturas asumiendo que la latencia de respuesta caerá otro orden de magnitud en 2026–2027. Productos que hoy se sienten "mágicos" con respuestas de 1–2 segundos serán percibidos como lentos en 12 meses.