介绍 celeris-1(2分钟阅读)
摘要
Celeris-1 是一种采用基于扩散的推理架构的新型语言模型,实现了接近 GPT-5 水平的智能,响应速度快 15 倍,吞吐量高。
查看缓存全文
缓存时间: 2026/07/27 13:40
推出 celeris-1。
一款通用语言模型,拥有接近 GPT-5 级别的智能水平,响应速度快了 15 倍。
我们开发了一种全新的推理架构,采用扩散技术而非传统的自回归生成方式——在保持前沿智能水平的同时,实现了惊人的速度提升。
Celeris-1 的 p50 响应延迟为 157 毫秒——比 GPT-5-mini 快了约 15 倍,比 GPT-5 快了 17 倍——同时 MMLU-Pro 得分达到 76%,而后两者分别为 78% 和 81%。
在每秒 token 数方面,Celeris-1 使用 @ArtificialAnlys 的每秒 token 数基准数据集的重构版本,达到了 1,280 tokens/s,相比之下 gemini-3.5 flash-light 为 144 tokens/s。
该模型从今天起可用。在 http://celeris.ai 注册。
Celeris
来源:https://celeris.ai/
地球上最快的语言模型。
前沿智能,快 15 倍。
基准测试
延迟只有几分之一。
同样的任务,同样的得分。Celeris 在准确性上与前沿水平仅差几个百分点——而速度快了 10 倍以上。
阅读完整分析 (https://celeris.ai/blog-benchmarks.html)
01 · 智能
响应时间 (ms, 对数刻度) → 更慢MMLU-Pro 准确率 →1003001,0003,000807060Gemini 3.5 Flash Lite83.0% · 1.2sGPT-581.9% · 2.0sGPT-5 mini78.5% · 2.5sGemini 2.5 Flash73.0% · 2.6sInception / Mercury 263.7% · 257 msCeleris158 ms · 75.9%
图 1. MMLU-Pro 准确率(5-shot,思维链)与响应时间(对数刻度)。越靠上、越靠左越好。Celeris、GPT-5、GPT-5 mini 和 Gemini 模型的推理 budget 设为 0,Mercury 2 在即时模式下运行——每个模型最快配置。
MMLU-Pro 准确率75.9
响应时间 · p50158 ms
速度提升 vs GPT-513×
输出 tok/s · p501,664
速度提升 vs GPT-524×
服务时间 vs GPT 525×
02 · 速度
06001,2001,800 tok/sCeleris1,664Mercury 2324Gemini 3.5 Flash Lite224Gemini 3.5 Flash134GPT-5 mini99GPT-569
图 2. 在约 1,000 token 的长格式提示上的输出速度(p50 tokens 每秒)——每个模型 50 个请求,输出上限为 1,024 token。完整方法 → (https://celeris.ai/diffusion-decoding-in-production.html)
架构
一种用于语言模型推理的新架构。
当前的自回归模型一次生成一个 token。每个 token 依赖于前一个 token,因此延迟本质上是顺序性的。Celeris 是一种基于扩散技术的新语言模型推理架构,实现了以往扩散系统无法达到的延迟和质量。
结果是一个兼容 OpenAI 的 API,能够在毫秒内输出智能响应。
面向开发者
三行代码替换,然后一切更快。
- ›**该 API 兼容 OpenAI。**将您的 SDK 指向 api.celeris.ai,保留您已经编写的代码。
- ›**默认开启流式传输。**响应低至 24 毫秒,无需缓冲或批处理延迟。
- ›**按 token 计费。**您只需为生成的 token 付费,因此速度不会增加任何额外成本。
quickstart.py python
`` from celeris import Celeris
client = Celeris(api_key=“sk-…”)
与您熟悉的调用格式相同
stream = client.chat.completions.create( model=“celeris-1”, messages=[{“role”: “user”, “content”: “解释卡尔曼滤波器”}], stream=True, ) ``
开始使用 Celeris 构建。
体验推理的新范式。
相似文章
@no_stp_on_snek: 本周越来越好。
Molei Tao 介绍了 FLARE,这是一种扩散语言模型,其性能接近 GPT5,且推理速度显著更快。
Cerebras 推出解耦式推理(阅读时长 6 分钟)
Cerebras 在生产环境中推出分离式推理,将用于提示词预填充的 GPU 与用于解码的晶圆级引擎(Wafer Scale Engine)相结合,以超快速度实现每兆瓦 5 倍的 token 产出,满足激增的智能体推理需求。
Cerebras 首席财务官表示,他们正在其芯片上内部运行 GPT5.4 和 GPT5.5,并将很快向公众发布。(想象一下那种速度下的智能)
Cerebras 首席财务官宣布,公司正在其芯片上内部运行 GPT5.4 和 GPT5.5,并即将向公众发布这些模型,承诺提供高速 AI 推理。
GPT-5.3-Codex-Spark 发布
# GPT-5.3-Codex-Spark 发布 来源:[https://openai.com/index/introducing-gpt-5-3-codex-spark/](https://openai.com/index/introducing-gpt-5-3-codex-spark/) 今天,我们发布了 GPT‑5\.3‑Codex‑Spark 的研究预览版。这是 GPT‑5\.3‑Codex 的一个更小版本,也是我们首个专为实时编码设计的模型。Codex‑Spark 标志着我们与 Cerebras 合作关系[于 1 月宣布](https://openai.com/index/cerebras-partnership/)的第一个里程碑。Codex‑Spark 针对实时编码进行了优化。
Cognition 推出新型 SWE-2 模型,与 Fable 5.1 和 GPT-Astra 相媲美
Cognition 推出 SWE-2,这是一款先进的编码模型,以极低的成本实现了与 Fable 5.1 和 GPT-Astra 相竞争的性能,利用新型强化学习来优化成本效益前沿。