Cerebras
Cerebras Systems · Programação
O Cerebras Inference é uma nuvem e API de inferência de IA que roda modelos de código aberto em hardware de wafer completo. É compatível com OpenAI e começa com teste grátis.
Sobre Cerebras
About
O que é o Cerebras
A Cerebras fabrica o Wafer-Scale Engine, uma única peça de silício do tamanho de um prato, em vez de um conjunto de GPUs pequenas. A empresa roda sua própria nuvem de inferência nesse hardware, e o serviço vende acima de tudo uma coisa: velocidade. As respostas voltam muito mais rápido do que em nuvens de GPU comuns, o que importa para agentes de código, voz e qualquer coisa que precise responder em tempo real.
A API pública é compatível com OpenAI, então mover um app existente costuma exigir duas mudanças: apontar a URL base para api.cerebras.ai/v1 e trocar o nome do modelo. O catálogo compartilhado é pequeno e só de código aberto. GPT OSS 120B e Qwen 3.8 27B ficam nos planos de teste grátis e de pagamento por uso, enquanto muitas outras famílias, entre elas Qwen3, Llama, Mistral, GLM, Kimi e Gemma, se abrem com o Dedicated Inference para clientes corporativos.
Os preços seguem os tokens, não as licenças. A Cerebras cobra pagamento por token em vez de por assento. Contas novas recebem 5 dólares em créditos que expiram em 30 dias, e não há um plano grátis permanente. O pagamento por uso começa com uma recarga de 10 dólares e eleva os limites de taxa muito acima do teste. Equipes que precisam de capacidade reservada, pesos próprios ou um SLA migram para o Dedicated Inference e um contrato negociado.
Primeiros passos
- Cadastre-se em cloud.cerebras.ai e abra API Keys na barra de navegação à esquerda para criar uma chave.
- Defina CEREBRAS_API_KEY no seu terminal, ou passe a chave em cada requisição.
- Instale o SDK com pip install cerebras_cloud_sdk, ou npm install @cerebras/cerebras_cloud_sdk.
- Envie uma conclusão de chat para api.cerebras.ai/v1 e escolha um modelo como qwen-3.8-27b.
- Adicione créditos na aba Billing quando passar do teste, ou fale com vendas para capacidade reservada.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Cerebras.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores que criam apps em tempo real
- Equipes que migram de um provedor de GPU
- Empresas que precisam de capacidade reservada
- Startups que testam com pouco orçamento
Tarefas
- Alimentar agentes de código
- Rodar fluxos com uso de ferramentas
- Servir chat conversacional
- Resumir entradas longas
- Extrair dados estruturados
Cenários
- Um assistente de voz que responde no meio da frase
- Um agente de código noturno
- Um bot de suporte sob carga
- Uma migração de um modelo fechado
Principais recursos
Hardware de wafer completo
A geração de chip por trás do serviço é a WSE-3, e a Cerebras roda a inferência no Wafer-Scale Engine em vez de em muitas matrizes pequenas ligadas por rede. Manter computação e memória numa só peça de silício elimina os saltos entre chips que freiam as GPUs em cluster. A empresa relata inferência até 30 vezes mais rápida que sistemas de GPU, e os resultados variam conforme a carga e o modelo.
API compatível com OpenAI
O endpoint em api.cerebras.ai/v1 espelha o cliente da OpenAI, então o código existente costuma funcionar depois que você troca a URL base e o nome do modelo. A Cerebras oferece SDKs para Python e Node.js, e chamadas com cURL funcionam sem instalar nada. Esse é o recurso que barateia a troca.
Inferência compartilhada e dedicada
A inferência compartilhada roda o catálogo público sob demanda, com limites por modelo e sem configuração. O Dedicated Inference reserva capacidade para uma organização e soma endpoints estáveis, desempenho configurável, pesos próprios, uma API de gestão, uma API de lote e métricas compatíveis com Prometheus.
Controles de raciocínio
Os modelos expõem um ajuste reasoning_effort com níveis none, low, medium e high, para elevar o raciocínio numa tarefa difícil ou desligá-lo numa simples. A opção reasoning_format decide se os tokens de pensamento voltam separados, colados à resposta ou ocultos.
Limites de taxa e cache de prompts
Os limites são medidos em requisições e tokens por minuto, hora e dia, o que vier primeiro. Tokens em cache pulam o limite sem cache, então uma taxa de acerto alta pode multiplicar o desempenho efetivo dentro da mesma cota. Contas de desenvolvedor eliminam de vez os tetos por hora e por dia.
Gestão de endpoints dedicados
Usuários corporativos definem endpoints, implantações e réplicas por uma API de gestão. Você implanta pesos ajustados ao lado de versões padrão, ajusta capacidade e quantização, e roteia requisições por arquitetura de modelo, tudo sem trocar o ID de endpoint que seu app já chama.
Portfólio de modelos para empresas
Além dos dois modelos compartilhados, o Dedicated Inference aceita Qwen3 e Qwen3-Coder, GPT OSS, Llama 3 e 4, Mistral e Devstral, GLM 4 e 5, Kimi K2, DeepSeek V3, Gemma 4 e outros. Modelos multimodais como o Gemma 4 aceitam entrada de imagem, e cada modelo pode ser ajustado por latência ou vazão.
API de lote para trabalhos grandes
A API de lote roda cargas assíncronas grandes em capacidade reservada, o que combina com trabalhos que não precisam de resposta instantânea. Ela se une às saídas previstas, um ajuste em que você fornece o conteúdo esperado para cortar ainda mais a latência.
Prós e contras
Prós
- Inferência rápida que muda de verdade como apps em tempo real e agênticos se comportam.
- A API compatível com OpenAI reduz o custo de trocar de provedor.
- O crédito de teste de 5 dólares e a entrada de 10 dólares facilitam experimentar.
- O Dedicated Inference cobre pesos próprios, SLA e capacidade reservada para produção.
- O cache de prompts estica o mesmo limite para servir mais tokens totais.
Contras
- O catálogo compartilhado é curto, com só GPT OSS 120B e Qwen 3.8 27B nos planos de teste e de pagamento por uso.
- Não há plano grátis permanente; os créditos expiram em 30 dias.
- Mais famílias de modelos e a entrada multimodal exigem o Dedicated Inference, exclusivo para empresas.
- Os preços exatos por token e as cotações dedicadas não são publicados na documentação, então orçar passa por falar com vendas.
Perguntas frequentes
É uma nuvem e API de inferência de IA da Cerebras Systems que roda modelos de código aberto no Wafer-Scale Engine, um chip do tamanho de um wafer. Foi feita para velocidade e é compatível com o cliente da OpenAI.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Cerebras.
Alternativas a Cerebras
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.