Última atualização 08-22-2026
Categoria:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
Cerebras
A Cerebras constrói chips de IA em wafer de escala e opera uma das plataformas de inferência de LLMs mais rápidas disponíveis hoje. Seus sistemas CS-2 e CS-3 alimentam APIs na nuvem, endpoints privados dedicados e implantações on-premises para equipes que precisam de respostas de baixa latência em escala de produção.
O Wafer-Scale Engine é um chip único 58 vezes maior que GPUs típicas, projetado especificamente para cargas de trabalho de treinamento e inferência. Na nuvem, desenvolvedores acessam modelos abertos como Llama, Qwen, GLM e GPT OSS por meio de uma simples API key, com throughput que frequentemente atinge milhares de tokens por segundo nos modelos suportados.
A Cerebras atende startups nativas de IA, equipes de pesquisa corporativa e empresas globais nos setores de saúde, cibersegurança e descoberta de medicamentos. Clientes incluem OpenAI, Meta, GSK, Notion e Mayo Clinic. Você pode começar gratuitamente na API de inferência, escalar com faturamento sob demanda ou conversar com vendas sobre capacidade dedicada e pesos de modelos personalizados.
Chip Wafer-Scale Engine construído 58x maior que GPUs padrão
API de inferência na nuvem com modelos como Llama, Qwen, GLM e GPT OSS
Gemma 4 roda a mais de 1.500 tokens por segundo em hardware Cerebras
GPT OSS 120B atinge aproximadamente 3.000 tokens por segundo na camada de desenvolvedor
Implante localmente com CS-2 ou CS-3 para controle total de dados e modelos
Integrações com parceiros através do AWS Marketplace, OpenRouter, Hugging Face e Vercel
Conta gratuita inclui $5 em créditos na API de inferência conforme página de preços
Conta gratuita inclui $5 em créditos para testar modelos alimentados por Cerebras
Velocidades de inferência publicadas atingem milhares de tokens por segundo em modelos abertos suportados
Opções flexíveis de implantação que abrangem API na nuvem, endpoints dedicados e sistemas locais CS-2 ou CS-3
Distribuição por parceiros através do AWS Marketplace, OpenRouter, Hugging Face e Vercel reduz a fricção de integração
As assinaturas Cerebras Code Pro e Max estavam listadas como esgotadas na página de preços.
O preço empresarial e a capacidade dedicada exigem contato com a equipe de vendas.
Modelos de pré-visualização como GLM 4.7 são marcados apenas para avaliação, não para uso em produção.
A Cerebras oferece um nível gratuito de API de inferência?
Sim. A Cerebras oferece um teste gratuito com US$5 em créditos após criar uma conta em cloud.cerebras.ai. Inclui acesso a modelos com tecnologia Cerebras, inferência rápida e suporte comunitário via Discord.
Quanto custa o nível Developer da Cerebras?
O nível Developer da Cerebras usa cobrança self-service pay-as-you-go a partir de US$10. Inclui limites de taxa 10x maiores que o nível gratuito e processamento com prioridade maior, com preços por token listados para modelos como GPT OSS 120B.
O que é o Cerebras Code e quanto custa?
O Cerebras Code é uma assinatura focada em programação com o plano Pro a US$50 por mês para até 24 milhões de tokens por dia e o Max a US$200 por mês para até 120 milhões de tokens por dia. Ambos os níveis estavam esgotados na página de preços no momento da pesquisa.
Quais modelos posso executar na inferência da Cerebras?
A Cerebras oferece modelos abertos incluindo GLM, modelos OSS compatíveis com OpenAI, Qwen e Llama via sua API na nuvem. A página de preços lista acesso no nível developer a modelos como ZAI GLM 4.7 e GPT OSS 120B com tarifas publicadas por token.
Posso implantar a Cerebras na minha própria infraestrutura?
Sim. A Cerebras oferece implantação on-premises com sistemas CS-2 e CS-3 para equipes que precisam de controle total sobre modelos, dados e infraestrutura em seu próprio data center ou nuvem privada.
Como acesso a inferência da Cerebras por plataformas terceiras?
A inferência da Cerebras está disponível por APIs parceiras incluindo AWS Marketplace, OpenRouter, Hugging Face Hub e Vercel AI Gateway. Cada parceiro oferece seu próprio fluxo de integração enquanto direciona as requisições para o hardware da Cerebras.