OpenAI 于 2026 年 8 月 13 日预览 GPT-5.6 Sol 的 Ultrafast mode，将它描述为一个新的速度层级。这个服务层首先在 OpenAI API 推出，由 Cerebras 提供推理硬件支持；OpenAI 表示，Ultrafast 的输出速度最高可达每秒 750 个 token，比 Standard processing 快最多 14 倍。这些是供应商公布的上限，实际速度仍会受 prompt、输出长度、工具调用和负载影响。
这次更新的重点，不是再选择一个更小、更快但能力较弱的模型，而是尝试把 frontier intelligence 放进需要即时回应的流程。OpenAI 列出的场景包括事故响应、金融研究与安全分析、实时客户支持、电商对话，以及可以在同一个工作时段反复进行的研究实验。对 agent 来说，回应变快不只改善聊天体验，也可能缩短「观察讯号、调用工具、检查结果、再作下一步」的循环。
OpenAI 特别提到 incident response：当系统发生故障，agent 可以快速阅读 logs、traces、近期代码变更及工程师报告，协助找出可能原因和准备修正方案。这个例子仍然是「协助工程师」，不是把部署权交给模型。原文也说明，工程师仍负责判断和 deployment；速度的价值在于让人更早看到足够证据，而不是取消审批。
在研究工作方面，OpenAI 表示内部团队会用 Ultrafast 快速搜索知识、查询数据、整理多个连接工具的结果。原本可能要隔夜执行、翌日才检查的实验循环，理论上可以在日间完成更多次迭代。这是 OpenAI 描述的内部使用方式和早期观察，不是独立研究结果；采用团队仍要自行测量质量、成本和错误率。
目前 Ultrafast 只向一批初始客户提供 limited preview，OpenAI 表示会随容量增加而扩大。这个 rollout 很重要，因为高速推理未必代表总成本更低，也未必能自动解决外部 API、数据权限或人工批准等瓶颈。企业若只看 tokens per second，容易忽略整条 agent workflow 的端到端延迟。
较合理的评估方式，是同时记录首 token 延迟、完成延迟、工具调用等待时间、每项任务成本、结果准确度、人工修改比例和需要重新执行的次数。对于客服、交易监察或事故处理一类流程，还要另外测试高峰负载、数据更新中途的答案稳定性和权限边界。速度只有在结果仍然可靠、可追踪和可批准时，才会转成实际工作效率。
Ultrafast 传递的更大讯号，是 AI 平台的竞争开始把「每秒完成多少有用工作」放到模型分数旁边。当模型已经能处理多步骤任务，延迟会直接影响 agent 可以尝试多少次、用户愿意等待多久，以及一个互动式产品能否保持上下文。OpenAI 的预览仍在早期，但它显示下一轮 AI workflow 竞争，会同时围绕智能、速度、成本和治理展开。
