Cerebras a dévoilé le CS-4 lors de sa conférence Supernova, avec un lancement prévu à 20:00 ET le 18 août — 00:00 UTC le 19 août. Le système est annoncé à 750 PFLOPS et 129,6 pétaoctets par seconde de bande passante mémoire, et Cerebras affirme des performances jusqu’à trente fois supérieures à celles des solutions basées sur des GPU dans certaines configurations.
Ce que contient la boîte
Trois processeurs WSE-3 Turbo, chacun intégrant quatre mille milliards de transistors et 900 000 cœurs optimisés pour l’IA, fabriqués par TSMC selon un procédé en 5 nm. Cerebras présente le système comme deux fois plus rapide que le CS-3. Les premières livraisons sont annoncées pour le troisième trimestre 2026, et aucun prix n’a été communiqué.
Ce que le récit courant présente mal
La première erreur consiste à prendre 750 PFLOPS pour une spécification de puce. Il s’agit du total de trois wafers combinés. Quiconque le compare directement à un prédécesseur à wafer unique, ou fait état d’un bond de six fois par rapport au CS-3, multiplie une amélioration par wafer par un nombre d’éléments du package.
La deuxième consiste à supposer un nouveau silicium. Le nœud de procédé n’a pas changé. Electronics Weekly précise clairement que Cerebras « augmente les performances de son silicium existant en y faisant passer davantage de puissance », grâce à « la mise au point d’un système de refroidissement plus efficace ». Il s’agit d’un résultat thermique et de distribution de puissance sur une puce déjà existante, et non d’une avancée de fabrication.
La troisième concerne la métrique de comparaison. « Jusqu’à 30x plus rapide que les GPU » renvoie aux tokens par seconde et par utilisateur — c’est-à-dire la vitesse à laquelle un flux interactif unique restitue les résultats, démontrée à plus de 4 400 tokens par seconde et par utilisateur sur GPT-OSS-120B. Ce n’est pas un débit par rack ni par dollar, qui sont les critères d’optimisation des parcs de GPU, et le fournisseur lui-même précise que les résultats varient selon l’architecture du modèle, la longueur du contexte et la configuration.
Ce que cela implique vraiment
Si un wafer vieux de deux ans peut doubler sa production grâce au refroidissement et à la distribution de puissance בלבד, la contrainte principale sur le silicium d’inférence s’éloigne de la lithographie pour se déplacer vers la thermique et la conversion d’énergie — précisément le point où le déploiement des centres de données se heurte déjà à des limites. Rien n’a encore été expédié, ce qui fait de cette annonce un lancement plutôt qu’un chiffre d’affaires.