官方数字和实测数字，差了一倍多
Cerebras在推理端点目录里加了新模型qwen-3.8-27b，官方页面写着参数27B，速度约1500 tokens/秒，上下文64k（免费层）/128k（付费层），还特别声明：公开模型都是未剪枝的原始版本，只在存储层做量化，激活和KV cache全程保持全精度。
这套说辞看着很规矩。但独立的第三方推理测评把同一个模型放到Cerebras上跑了一遍，decode吞吐量只测出约663 tokens/秒，首字延迟约0.12秒——速度不到官方宣传的一半。
上下文这块也有缝。未认证状态下调用公开API，实际返回的最大上下文是65536，最大补全是32768。目录页写的付费层128k，在实测里没对上号。定价页面目前对这个模型显示输入输出都是$0，但官网免费层机制描述的是"$5额度、30天试用"，零价格更像是发布期的临时促销，不是长期定价。
一个厂商在同一份文档里把峰值当日常表现来讲，不是Cerebras一家的毛病，几乎是整个推理芯片赛道的通病：跑分报的是理想工况，用户拿到的是平均工况。
模型本身的底细，和被裁掉的那部分
qwen-3.8-27b是阿里Qwen团队做的模型，27B参数，走稠密架构，不是现在流行的MoE路线。它用Gated DeltaNet和Gated Attention混合的注意力结构，原生上下文做到262144 tokens，通过RoPE/YaRN还能扩展到百万级别，协议是Apache 2.0。
对比上一代Qwen3.6-27B，这一代在代理式编程类基准上进步明显：DeepSWE从13.3到42.2，QwenSWEBench从49.3到79.0，SWE-bench Pro从53.5到61.7。这是实打实的能力提升，不该被前面的水分掩盖。
但原生262k、可扩展到1M的上下文，Cerebras公开端点只给到64k和128k两档。模型没被剪枝，权重是完整的，可用能力却被服务化的过程削掉了一大块。这才是"未剪枝"声明容易让人误读的地方——架构完整，不等于能力完整开放。
最快、最便宜、默认质量最好，是三件不同的事
跨几个推理平台看同一个模型，价格差不大，但配置差异很大。Groq默认关闭推理（reasoning off），Together默认开到最高档（xhigh）。同一个模型，不同平台默认吐出的答案质量和响应速度天然不在一个起跑线，拿默认配置直接横向比较，比的其实是平台策略，不是模型本身。
价格对比一览（每百万token，输入/输出）：
| 平台 | 输入价格 | 输出价格 |
|---|---|---|
| Fireworks | $0.30 | $1.95 |
| Together | $0.33 | $2.10 |
| Groq | $0.42 | $2.55 |
| Cerebras | $0.45 | $2.70 |
Cerebras目前不是最便宜的那家，它卖的是速度。速度快不快，前面已经打了问号。
社区反馈里还有一条容易被忽略的成本：这个模型有明显的"过度思考"倾向，某些任务消耗的token量能到同类模型的五倍。单token生成得再快，总任务token量翻五倍，总账未必划算。速度和总成本，是两本账。
- 风险.官方峰值速度、宣传上下文、$0定价三项都需要用户自行复核，不能直接当生产环境预期
拿到任何速度数字之前，先问三句
天下熙熙，皆为利来——推理芯片这个赛道，卷速度、卷价格、卷营销数字，本质上跟当年显卡厂商打跑分战没什么区别。谁的峰值数字漂亮，谁就先占住用户心里"更快"的位置，至于日常工况能不能复现，往往是后话。
峰值好看，日常工况才是真账。
真正该问的三句很简单：这个速度是在什么并发和输出长度下测的？上下文限制是文档写的还是实测跑出来的？现在的价格是长期定价还是发布期促销？三句话问完，比看十份评测报告更管用。
Cerebras这次的问题不在芯片本身，晶圆级架构的吞吐量优势是真实的。问题在于，官方数字和用户能拿到的数字之间那道缝，没有被主动填上，需要用户自己拿着计算器去核实。