Qwen 3.8 27B, Cerebras에서 초당 1500토큰으로 제공
Cerebras의 공개 API 엔드포인트에서 Qwen 3.8 27B 모델을 초당 약 1500토큰의 속도로 사용할 수 있게 되었습니다. 무료 체험 및 종량제 요금제에서 이용 가능하며, 컨텍스트는 무료 64k/유료 128k입니다. Cerebras는 가지치기(Pruning) 없이 원본 모델을 제공하며, 저장 시에만 선택적 양자화를 사용해 품질을 보존한다고 강조했습니다.
Cerebras 공개 엔드포인트의 모델은 무료 체험 및 종량제 요금제에서 이용할 수 있으며, 요율 제한과 가격 정책이 적용됩니다. 추가 모델 패밀리, 예약 용량, 더 높은 처리량 및 프로덕션 SLA가 필요한 경우 전용 엔드포인트(Dedicated Endpoints)를 참고하세요. 처음 이용한다면 퀵스타트를 따라 첫 API 호출을 해보세요. 용도에 맞는 모델 선택은 모델 선택 가이드를 참고하시고, 아래 모델 이름을 클릭하면 전체 사양, 기능, 요금제별 제한을 확인할 수 있습니다.
사용 가능한 모델
- 모델명: OpenAI GPT OSS / 모델 ID: gpt-oss-120b / 파라미터: 1,200억 / 컨텍스트(무료/유료): 65k / 131k / 속도: 약 3000 tokens/s
- 모델명: Qwen 3.8 27B / 모델 ID: qwen-3.8-27b / 파라미터: 270억 / 컨텍스트(무료/유료): 64k / 128k / 속도: 약 1500 tokens/s
더 많은 모델이 필요하다면? 다양한 추가 모델 패밀리가 전용 엔드포인트를 통해 제공됩니다.
모델 압축 이 섹션은 플랫폼에서 제공되는 각 모델의 압축 상태에 대한 투명성을 제공합니다. 저희는 커뮤니티의 다양한 오픈소스 모델을 호스팅하며, 현재 공개 엔드포인트에서 가지치기(Pruning)된 모델은 호스팅하지 않습니다. 공개 엔드포인트를 통해 제공되는 모든 모델은 원본, 즉 가지치기되지 않은 버전입니다. REAP(라우터 가중 전문가 활성화 가지치기, Router-weighted Expert Activation Pruning)와 같은 가지치기 기술을 연구하고 있지만, 이러한 모델은 Hugging Face에서 연구 커뮤니티와 공유되며 공유 API를 통해 제공되지 않습니다. REAP에 대한 자세한 내용은 연구 블로그에서 확인할 수 있습니다. 모든 공개 모델은 가지치기되지 않은 원본입니다.
Cerebras는 최대한의 품질 보존을 위해 저장 시에만 선택적 가중치 전용 양자화(weight-only quantization)를 사용합니다. 즉, 가중치는 업계 표준에 따라 16비트/8비트/4비트 혼합 형태로 저장됩니다. 품질을 위해 민감한 레이어는 전체 정밀도로 저장되고 사용 시 즉시 역양자화되어 고정밀 연산이 이루어집니다. 활성화값(activations), 어텐션(attention), KV 캐시는 전체 정밀도를 유지하며 양자화되지 않습니다.
자주 묻는 질문
Q: 사전 통지 없이 모델 아키텍처를 변경하나요? A: 아니요. 저희는 기존 모든 엔드포인트에서 수정 없이 원본 모델을 제공하기로 약속합니다. 호스팅 포트폴리오에서 가지치기를 통해 모델 아키텍처를 변경하지 않습니다. 향후 추가 압축 기법(가지치기 등)을 탐색하더라도, 가지치기 전용 이름이 붙은 별도 엔드포인트로 제공하여 완전한 투명성을 보장하고 사용자가 자신에게 맞는 버전을 선택할 수 있도록 합니다.
Q: REAP 가지치기 모델은 어디서 찾을 수 있나요? A: REAP 가지치기 모델은 연구 및 실험 목적으로 Hugging Face에서 이용할 수 있습니다(Cerebras REAP 컬렉션). 이 모델들은 저희의 가지치기 연구를 보여주지만 프로덕션 API를 통해 제공되지는 않습니다.
Q: 압축, 양자화, 가지치기란 무엇인가요? A: 압축은 모델 크기나 연산 요구량을 줄이는 기법을 총칭하는 용어입니다. 대표적인 압축 기법은 다음과 같습니다:
- 양자화(Quantization): 모델 가중치를 표현하는 숫자의 정밀도를 낮추는 것(예: FP16을 FP8로 변환). 아키텍처를 변경하지 않고 메모리 사용량을 줄입니다.
- 가지치기(Pruning): 모델 크기를 줄이기 위해 레이어나 전문가(expert) 등 모델의 일부를 영구적으로 제거하는 것. 모델 아키텍처가 변경되어 사실상 다른 모델이 됩니다.