Cerebras
Un service d'inférence cloud bâti sur des puces à l'échelle du wafer, axé sur le débit et la faible latence pour appeler les principaux modèles ouverts via une API unique.
Cerebras aborde l'inférence de grands modèles par son moteur à l'échelle du wafer et fait de l'inférence cloud un produit pour développeurs et équipes. Des modèles ouverts comme Llama, Qwen ou Mistral sont exposés derrière une API unique, avec flux et appels par lots, facturés au token. Ses atouts sont le débit et la latence du premier token : des mesures ont porté Qwen3 Coder à environ 2000 tokens par seconde, et une extension VS Code se connecte en un clic.
