IA · 15 agosto 2026 · 5 min di lettura
OpenAI lancia Ultrafast: GPT-5.6 Sol tocca i 750 token al secondo con i chip Cerebras
In sintesi: OpenAI ha presentato in anteprima 'Ultrafast', una nuova modalità operativa per il suo modello di punta GPT-5.6 Sol capace di generare fino a 750 token al secondo, ovvero quattordici volte la velocità di elaborazione standard. L'accelerazione è resa possibile dall'integrazione con l'hardware specializzato di Cerebras e punta a soddisfare la crescente domanda enterprise di risposte istantanee in ambiti mission-critical come trading, incident response e customer care avanzato.
di Team Mocchi's
La corsa all'intelligenza artificiale non si gioca più soltanto sulla quantità di parametri o sulla complessità del ragionamento logico, ma sulla velocità pura di esecuzione. OpenAI ha annunciato il rilascio in anteprima di Ultrafast, una modalità ad altissime prestazioni per il modello di punta GPT-5.6 Sol. La novità promette di abbattere drasticamente la latenza di generazione, raggiungendo un throughput fino a 750 token in uscita al secondo, pari a un incremento di 14 volte rispetto ai regimi operativi tradizionali.
Fino a oggi, la necessità di risposte istantanee costringeva sviluppatori e team di prodotto a un compromesso obbligato: ripiegare su modelli compatti o distillati, sacrificando parte della profondità analitica in favore della reattività. Con Ultrafast, OpenAI punta invece a mantenere inalterate le capacità del modello frontier abilitando flussi di lavoro finora preclusi dai tempi di attesa dell'inferenza convenzionale.
Il motore sotto il cofano: l'architettura Cerebras
Alla base di questo salto prestazionale non c'è una semplice ottimizzazione software, bensì una specifica convergenza infrastrutturale. Come riporta TechCrunch, la modalità Ultrafast è alimentata dalla collaborazione tecnica tra OpenAI e il produttore di chip Cerebras, noto per i suoi processori wafer-scale a elevatissima densità di calcolo e memoria integrata su die, ideali per azzerare i colli di bottiglia nel trasferimento dati durante l'inferenza degli LLM.
La mossa risponde direttamente all'offensiva dei competitor di mercato: Anthropic aveva già integrato una modalità accelerata per Claude, pur senza toccare i picchi di throughput dichiarati da OpenAI in questa release. La disponibilità iniziale di Ultrafast è riservata a una platea selezionata di clienti enterprise e partner di sviluppo via API, con un piano di estensione progressiva nel corso dei prossimi mesi.
Flussi mission-critical e convergenza enterprise
Il target prioritario di questa tecnologia è il mondo aziendale ad alta intensità operativa. Generare 750 token al secondo significa produrre pagine intere di testo strutturato o codice validato in frazioni di secondo, sbloccando casi d'uso in cui ogni millisecondo fa la differenza: gestione e mitigazione degli incidenti di sicurezza informatica, analisi quantitativa dei mercati finanziari, assistenza vocale naturale senza pause percettibili e automazione di processi transazionali complessi.
Questa accelerazione tecnologica si inserisce all'interno di una più ampia offensiva commerciale nei confronti delle grandi organizzazioni. Contestualmente, OpenAI ha stretto una partnership globale con IBM, documentata da TechCrunch, mirata a certificare decine di migliaia di consulenti e a integrare direttamente GPT-5.6 nelle piattaforme operative delle grandi imprese, a conferma che la competizione tra i laboratori di frontiera si è ormai spostata dai benchmark accademici ai sistemi di produzione su larga scala.
Il punto di Mocchi's
Per le aziende italiane e per i team di sviluppo software, il passaggio a oltre 700 token al secondo su modelli di frontiera rappresenta una svolta architetturale concreta. Finora abbiamo spesso dovuto progettare architetture ibride complesse, delegando i task interattivi a modelli leggeri e riservando i modelli maggiori a elaborazioni asincrone in background. L'abbattimento della latenza su modelli complessi consente di semplificare lo stack applicativo e apre la strada a interfacce conversazionali vocali e agenti decisionali autonomi che reagiscono a eventi in tempo reale con piena affidabilità logica.