Cerebras
Cerebras Systems · Programación
Cerebras Inference es una nube y API de inferencia de IA que sirve modelos de código abierto sobre hardware de oblea completa. Es compatible con OpenAI y arranca con prueba gratuita.
Acerca de Cerebras
About
Qué es Cerebras
Cerebras fabrica el Wafer-Scale Engine, una sola pieza de silicio del tamaño de un plato, en lugar de un cúmulo de GPU pequeñas. La empresa ejecuta su propia nube de inferencia sobre ese hardware, y el servicio vende sobre todo una cosa: velocidad. Las respuestas vuelven mucho más rápido que en las nubes de GPU típicas, algo que importa para agentes de código, voz y cualquier cosa que deba contestar en tiempo real.
La API pública es compatible con OpenAI, así que mover una app existente suele requerir dos cambios: apuntar la URL base a api.cerebras.ai/v1 y cambiar el nombre del modelo. El catálogo compartido es corto y solo de código abierto. GPT OSS 120B y Qwen 3.8 27B están en los planes de prueba gratuita y de pago por uso, mientras que muchas más familias, entre ellas Qwen3, Llama, Mistral, GLM, Kimi y Gemma, se abren con Dedicated Inference para clientes empresariales.
Los precios siguen los tokens, no los asientos. Cerebras cobra pago por token en lugar de por usuario. Las cuentas nuevas reciben 5 dólares en créditos que caducan a los 30 días, y no hay un plan gratuito permanente. El pago por uso empieza con una recarga de 10 dólares y eleva los límites de velocidad muy por encima de la prueba. Los equipos que necesitan capacidad reservada, pesos propios o un SLA pasan a Dedicated Inference y a un contrato negociado.
Primeros pasos
- Regístrate en cloud.cerebras.ai y abre API Keys en la barra de navegación izquierda para crear una clave.
- Define CEREBRAS_API_KEY en tu terminal, o pásala en cada solicitud.
- Instala el SDK con pip install cerebras_cloud_sdk, o npm install @cerebras/cerebras_cloud_sdk.
- Envía una finalización de chat a api.cerebras.ai/v1 y elige un modelo como qwen-3.8-27b.
- Añade créditos desde la pestaña Billing cuando superes la prueba, o contacta con ventas para capacidad reservada.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Cerebras.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores que crean apps en tiempo real
- Equipos que migran desde un proveedor de GPU
- Empresas que necesitan capacidad reservada
- Startups que prueban con poco presupuesto
Tareas
- Alimentar agentes de código
- Ejecutar flujos con uso de herramientas
- Servir chat conversacional
- Resumir entradas largas
- Extraer datos estructurados
Casos de uso
- Un asistente de voz que responde a media frase
- Un agente de código nocturno
- Un bot de soporte bajo carga
- Una migración desde un modelo cerrado
Funciones clave
Hardware de oblea completa
La generación de chip detrás del servicio es la WSE-3, y Cerebras ejecuta la inferencia sobre el Wafer-Scale Engine en lugar de sobre muchas matrices pequeñas conectadas por red. Mantener cómputo y memoria en una sola pieza de silicio elimina los saltos entre chips que frenan a las GPU en cúmulo. La empresa reporta una inferencia hasta 30 veces más rápida que los sistemas de GPU, y los resultados varían según la carga y el modelo.
API compatible con OpenAI
El endpoint en api.cerebras.ai/v1 replica el cliente de OpenAI, así que el código existente suele funcionar cuando cambias la URL base y el nombre del modelo. Cerebras ofrece SDK para Python y Node.js, y las llamadas con cURL funcionan sin instalar nada. Esta es la función que abarata el cambio.
Inferencia compartida y dedicada
La inferencia compartida corre el catálogo público bajo demanda, con límites por modelo y sin configuración. Dedicated Inference reserva capacidad para una organización y añade endpoints estables, rendimiento configurable, pesos propios, una API de gestión, una API de lote y métricas compatibles con Prometheus.
Controles de razonamiento
Los modelos exponen un ajuste reasoning_effort con niveles none, low, medium y high, para subir el razonamiento en una tarea difícil o apagarlo en una simple. La opción reasoning_format decide si los tokens de pensamiento vuelven por separado, antepuestos a la respuesta u ocultos.
Límites de velocidad y caché de prompts
Los límites se miden en solicitudes y tokens por minuto, hora y día, lo que ocurra primero. Los tokens en caché se saltan el límite sin caché, así que una tasa de acierto alta puede multiplicar el rendimiento efectivo dentro de la misma cuota. Las cuentas de desarrollador eliminan del todo los topes por hora y por día.
Gestión de endpoints dedicados
Los usuarios empresariales definen endpoints, despliegues y réplicas con una API de gestión. Despliegas pesos ajustados junto a versiones estándar, ajustas capacidad y cuantización, y enrutas solicitudes por arquitectura de modelo, todo sin cambiar el ID de endpoint que tu app ya llama.
Cartera de modelos para empresas
Más allá de los dos modelos compartidos, Dedicated Inference admite Qwen3 y Qwen3-Coder, GPT OSS, Llama 3 y 4, Mistral y Devstral, GLM 4 y 5, Kimi K2, DeepSeek V3, Gemma 4 y otros. Los modelos multimodales como Gemma 4 aceptan entrada de imagen, y cada modelo se puede ajustar por latencia o rendimiento.
API de lote para trabajos grandes
La API de lote corre cargas asíncronas grandes sobre capacidad reservada, algo que encaja con trabajos que no necesitan respuesta instantánea. Se combina con las salidas previstas, un ajuste donde aportas el contenido esperado para recortar aún más la latencia.
Ventajas y desventajas
Ventajas
- Inferencia rápida que cambia de verdad cómo se sienten las apps en tiempo real y agénticas.
- La API compatible con OpenAI baja el coste de cambiar de proveedor.
- El crédito de prueba de 5 dólares y la entrada de 10 dólares facilitan probar.
- Dedicated Inference cubre pesos propios, SLA y capacidad reservada para producción.
- La caché de prompts estira el mismo límite para servir más tokens totales.
Desventajas
- El catálogo compartido es corto, con solo GPT OSS 120B y Qwen 3.8 27B en los planes de prueba y de pago por uso.
- No hay un plan gratuito permanente; los créditos caducan a los 30 días.
- Más familias de modelos y la entrada multimodal exigen Dedicated Inference, solo para empresas.
- Los precios exactos por token y las cotizaciones dedicadas no se publican en la documentación, así que presupuestar pasa por hablar con ventas.
Preguntas frecuentes
Es una nube y API de inferencia de IA de Cerebras Systems que ejecuta modelos de código abierto sobre el Wafer-Scale Engine, un chip del tamaño de una oblea. Está pensada para la velocidad y es compatible con el cliente de OpenAI.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Cerebras.
Alternativas a Cerebras
Base Code
Base44 (Wix) · Programación · ProductividadBase Code es un entorno de desarrollo en la nube compartido de Base44. El equipo describe cambios sobre un repositorio de GitHub en el chat, los ve en una vista previa y los envía como pull requests.
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
GitGlow
GitGlow · Programación · ProductividadGitGlow es un cliente Git de escritorio que reúne tu código y los cambios de tus agentes de IA en una sola revisión, para que sepas qué va a salir de tu máquina antes de publicarlo.