一言まとめ
2026 年 10 月 27 日、Cerebras と Oracle はウェハース級推論の OCI 提供を 2027 年に開始すると発表した。公開実測では CS-4 が GPT-OSS-120B で 4,400+ tokens/秒/ユーザーを達成し GPU 比最大 30 倍。独立ベンチマークでは CS-3 が gpt-oss-120B で 2,700+ tokens/秒/ユーザーに対し、NVIDIA B200 は 900 tokens/秒だった。
比較概要
2026 年 10 月 27 日、Cerebras と Oracle は Cerebras 高速推論を 2027 暦年に OCI 上で開始すると発表した。対象は AI ラボ、企業、開発者だ。Cerebras のウェハースエンジン WSE は計算とメモリを単一ウェハース上に集積し、データ移動とチップ間通信を減らし、長い推論系列と多段エージェントワークフローを指向する。本稿は Cerebras 公開の CS-4・CS-3 実測値と Artificial Analysis 独立ベンチマークをもとに、ウェハース級チップと主流 GPU（NVIDIA B200）のユーザー当たりトークン速度差を定量化する。
比較表
| 比較次元 | Cerebras WSE（CS-4 / CS-3） | NVIDIA GPU（B200 など） |
|---|---|---|
| チップアーキテクチャ | ウェハースエンジン WSE：計算とメモリを単一ウェハースに集積しデータ移動・チップ間通信を削減、重みはオンチップ SRAM に常駐（WSE-3/3T） | 主流 GPU（B200）。Artificial Analysis の実測対照相手。アーキテクチャ諸元は本研究範囲内で列挙なし |
| ベンチマークモデル | GPT-OSS-120B（CS-4）；gpt-oss-120B（CS-3）；Llama 4 Maverick 400B（CS-3） | 同左モデルでの対照実測 |
| ユーザー当たり tokens/秒 | CS-4：GPT-OSS-120B 同一プロンプトで 4,400+ tokens/秒/ユーザー。CS-3：gpt-oss-120B で 2,700+ tokens/秒/ユーザー、Llama 4 Maverick（400B）で 2,522 tokens/秒 | B200：gpt-oss-120B で 900 tokens/秒（10 路並発時 580）。Llama 4 Maverick（400B）で 1,038 tokens/秒 |
| 比較対象の GPU | 基準参照側として位置づけ | NVIDIA B200（Artificial Analysis 独立ベンチマーク実測） |
| 優位倍数 | CS-4：GPU 比最大 30 倍高速（Cerebras プレスリリース）。CS-3：Llama 4 Maverick 400B で約 2.4 倍リード | 基準線 |
| OCI 提供時期 | Cerebras 高速推論は 2027 暦年に OCI 開始予定。OCI は Dedicated AI Clusters の推論基盤を既に保有 | OCI 側 GPU 推論の詳細は本研究範囲内で展開なし |
| 代表シナリオ | 長い推論系列と多段エージェントワークフロー。エージェントワークフローは実効バッチサイズ 1 で、SRAM 常駐重み（WSE-3/3T）がデコード遅延で優位 | 汎用 GPU 推論シナリオ |
証拠と立場
Cerebras 公式の立場：CS-4 は GPT-OSS-120B 同一プロンプトで 4,400+ tokens/秒/ユーザーを達成し、GPU ベースの方式比最大 30 倍高速（Cerebras プレスリリース、2026 年 8 月 19 日）。Cerebras 高速推論は 2027 暦年に OCI 開始予定で、OCI は推論基盤（OCI Enterprise AI の Dedicated AI Clusters）を既に持つ。WSE は計算とメモリを単一ウェハースに集積し、長い推論系列と多段エージェントワークフローに向く（Cerebras プレスリリース、2026 年 10 月 27 日）。
独立ベンチマークの立場：Artificial Analysis 独立ベンチマーク（Cerebras ブログが引用）によれば、gpt-oss-120B で CS-3 は 2,700+ tokens/秒/ユーザー、NVIDIA B200 は 900 tokens/秒（10 路並発時は 580）。36氪が引用する Artificial Analysis によれば、Llama 4 Maverick（400B）で CS-3 は 2,522 tokens/秒、B200 は 1,038 tokens/秒で約 2.4 倍のリード。
論文・開示の立場：arXiv の 2026 年 10 月論文によれば、エージェントワークフローの実効バッチサイズは 1 で、重みをオンチップ SRAM に常駐させるアーキテクチャ（WSE-3/3T）はデコード遅延で優位。Cerebras の既存大口顧客には OpenAI、G42、MBZUAI、AWS が含まれる（Cerebras 10-Q リスク開示）。
乖離の読み解き
第一に、ベンダー実測と独立ベンチマークの併存。CS-4 の 4,400+ tokens/秒と最大 30 倍は Cerebras 自社リリース（2026 年 8 月 19 日）によるベンダー実測口径。CS-3 の 2,700+ tokens/秒/ユーザー、2,522 tokens/秒と B200 対照値は Artificial Analysis 独立ベンチマーク（Cerebras ブログと 36氪が引用）によるもので、測定条件・並発設定・モデル版数は完全に揃っていない。30 倍の上限は特定プロンプトとモデル組み合わせでのピーク値であり、全シナリオ共通の差ではない。
第二に、B200 の数値は並発設定に左右される。gpt-oss-120B で B200 は単路 900 tokens/秒から 10 路並発で 580 tokens/秒に低下し、対比には並発口径の明記が必要だ。
第三に、OCI での交付はまだ起きていない。ウェハース級推論は 2027 暦年に OCI へ到着し、現在の数値はすべて Cerebras 自社クラスタの公開実測によるもの。OCI 上での実速度・容量・価格は未公開だ。