Cerebras spustil nejrychlejší AI na světě: bilionový model za 5,6 sekundy místo tří minut

Americký výrobce čipů Cerebras Systems právě dokázal, že rychlost AI inference nemusí být kompromisem. Jeho wafer-scale architektura zpracovává bilionový model Kimi K2.6 rychlostí téměř tisíce tokenů za sekundu — a přepsala pravidla o tom, co je v byznysové AI vůbec možné.

Představte si, že váš vývojář čeká tři minuty, než AI dokončí jednu odpověď. Pak si představte totéž za 5,6 sekundy. Přesně tenhle rozdíl přinesl Cerebras Systems, když v pondělí 25. května 2026 oznámil, že spouští Kimi K2.6 — momentálně nejsilnější open-source AI model na světě — pro firemní zákazníky. Výsledky jsou natolik výjimečné, že je nezávisle ověřila specializovaná analytická firma Artificial Analysis: 981 výstupních tokenů za sekundu, tedy 6,7× více než nejbližší GPU-based cloud a 23× více než průměrný poskytovatel inference.

Zpráva přišla ani ne týden poté, co Cerebras dokončil IPO na Nasdaq — největší technologické IPO roku 2026 s výnosem 5,55 miliardy dolarů a tržní kapitalizací 95 miliard dolarů. Pro Wall Street to bylo jasné signální sdělení: rychlost inference přestává být marketingovým výkřikem a stává se klíčovou konkurenční výhodou ve firemní AI.

Proč je rychlost inference tak zásadní pro váš byznys

Pokud jste zatím sledovali AI jako nástroj pro jednorázové dotazy, tohle paradigma je překonané. Moderní AI agenti — systémy, které dokážou autonomně psát kód, provádět analýzy nebo spravovat databáze — fungují v cyklech. Jeden úkol spustí desítky nebo stovky dalších volání modelu. Každé zdržení se násobí.

James Wang, ředitel produktového marketingu Cerebras, to popisuje na konkrétním příkladu: standardní agentic coding request s 10 000 vstupními tokeny (tj. kontext, instrukce, kód) a 500 výstupními tokeny trvá na Cerebras 5,6 sekundy. Na oficiálním endpointu Kimi to bylo 163,7 sekundy — tedy téměř tři minuty. To je 29násobné zrychlení na jednom požadavku. U komplexního projektu, kde agent řeší desítky iterací, se bavíme o rozdílu hodin versus minut.

Jak Cerebras dokázal to, co GPU neumí

Tajemství leží v architektuře. Drtivá většina AI inference dnes běží na klastrech GPU — typicky konfigurace 72 Nvidia čipů propojených sítí. Parametry modelu jsou rozprostřeny přes různé čipy a data musí neustále přenášet mezi nimi. Pro menší modely to funguje dobře, ale u bilionových modelů se mezičipová propustnost stává hrdlem lahve.

Cerebras přistupuje k problému radikálně jinak. Jeho Wafer-Scale Engine 3 je jediný čip o velikosti celého křemíkového waferu — přibližně velikosti talíře — a obsahuje 44 gigabajtů on-chip SRAM přímo na procesoru. Na rozdíl od high-bandwidth memory v GPU, SRAM sedí přímo na procesoru, nabízí dramaticky nižší latenci a vyšší propustnost. Pro Kimi K2.6 Cerebras ukládá váhy modelu v 4-bitové přesnosti a provádí výpočty v 16-bitové přesnosti. Vnitřní komunikace mezi vrstvami modelu probíhá přes on-wafer síťovou strukturu, která má více než 200× vyšší šířku pásma než NVLink od Nvidie.

Kimi K2.6 sám o sobě je přitom technicky impozantní. Jedná se o bilionový Mixture-of-Experts model vyvinutý čínskou společností Moonshot AI, kde při každém tokenu aktivních jen 32 miliard parametrů z celkového bilionů. Model vede žebříček SWE-Bench Pro (benchmark pro softwarové inženýrství) se skóre 58,6, čímž překonává Claude Opus 4.6 a dosahuje výkonu GPT-5.4. Je to první open-weight model, který firmy mohou realisticky použít jako náhradu za drahá proprietární API.

Jsou velmi motivovaní mít alternativu k Anthropicu. Modely Anthropiku jsou fantastické, ale jsou drahé a neustále dochází kapacita. — James Wang, ředitel produktového marketingu Cerebras Systems

Co to znamená pro české firmy: kde je příležitost a kde riziko

Kombinace IPO, rekordní rychlosti a enterprise dostupnosti mění kalkulaci pro firmy uvažující o nasazení AI agentů. Dosud byl hlavní argument pro volbu drahého modelu (Anthropic Claude, OpenAI GPT) právě spolehlivost a kapacita. Cerebras + Kimi K2.6 nabízí otevřenou alternativu s ověřitelně vyšší rychlostí — klíčové pro aplikace, kde každá sekunda prodražuje provoz nebo zhoršuje uživatelský zážitek.

• Agentic coding: vývojářské týmy, které používají AI asistenty (Cursor, Copilot, vlastní agenty), uvidí dramatické zkrácení čekacích dob
• Customer service boti: real-time chatboti s AI motorem mohou reagovat řádově rychleji, což zlepšuje konverzní poměr
• Automatizované analýzy: finanční nebo marketingové reporty generované AI agentem lze mít hotové v minutách místo hodin
• Code review a QA: testovací pipelines s AI mohou běžet v rámci CI/CD cyklů bez zpomalení celého workflow
• Open-source výhoda: s open-weight licencí (Kimi K2.6) eliminujete vendor lock-in a snižujete náklady

Existuje ale geopolitický aspekt, který nelze přehlédnout. Kimi K2.6 je čínský model — vyvinutý Moonshot AI se sídlem v Pekingu. Pro firmy v regulovaných odvětvích (finance, zdravotnictví, obrana, státní zakázky) to může být problém z hlediska compliance. Pokud zpracováváte citlivá data, budete muset tento rozměr pečlivě vyhodnotit bez ohledu na technickou výkonnost modelu.

Praktický takeaway: jak a kdy zvážit přechod

Cerebras zatím nabízí Kimi K2.6 v rámci enterprise trialů — plná komerční dostupnost se očekává v nejbližších týdnech. Pokud vás téma zajímá, je správný čas začít mapovat, kde ve vašich procesech je inference speed hlavním bottleneckem.

Tři otázky k zamyšlení pro váš byznys: Za prvé — kde ve vašich AI workloadech čekáte více než 30 sekund na výsledek? Za druhé — máte agentic pipeline, která volá model vícekrát v sérii? Za třetí — jste v regulovaném odvětví, kde by čínský model mohl být problém? Podle odpovědí snadno poznáte, jestli je Cerebras + Kimi K2.6 pro vás příležitost nebo jen zajímavá zpráva ze světa AI infrastruktury.

Cerebras IPO byl teprve první krok. Firma má nyní 5,55 miliardy dolarů na expanzi a jasný záměr: stát se standardem pro enterprise AI inference. Jestli se jim to podaří, může to zásadně změnit ekonomiku celého odvětví — a snížit náklady na provoz AI pro tisíce firem globálně.