Cerebras API : tarifs et conditions de mise en production

Les tarifs de Cerebras API commencent à $0.35 par million de tokens en entrée et $0.75 par million de tokens en sortie pour GPT OSS 120B. Mais l'offre Developer n'est explicitement pas destinée à la production. L'exemple d'agent détaillé plus bas revient à $53.75 par mois à ces tarifs ; le proposer à des clients suppose un accord distinct pour la production, au-delà du simple achat de crédits supplémentaires.

Cerebras Inference est une API hébergée qui permet d'exécuter des modèles d'IA. Pour choisir, trois critères comptent : le coût par tâche accomplie, le temps nécessaire pour la terminer et des conditions d'accès adaptées au déploiement prévu. Commencez par GPT OSS 120B pour évaluer un agent textuel, puis discutez des conditions de production avant d'en faire dépendre le trafic de vos clients.

Tarifs vérifiés sur la page tarifaire de Cerebras en octobre 2026, avec une consultation de la page en ligne le 20 octobre. Tous les montants ci-dessous sont en dollars américains.

Cerebras API : les tarifs en bref

La page tarifaire actuelle présente deux offres : Developer et Enterprise. Le crédit promotionnel sert à évaluer le service ; il ne constitue pas un troisième abonnement gratuit permanent.

Enterprise propose aussi des options pour réduire davantage la latence. Des poids de modèle personnalisés et des services de fine-tuning ou d'entraînement sont disponibles sur accord. Pour Developer, l'assistance passe par le Discord communautaire. Ce sont les différences indiquées dans le comparatif des offres en ligne.

C'est l'usage prévu qui détermine le choix. Même un agent peu coûteux destiné à des clients exige des conditions de production adaptées. À l'inverse, une facture d'évaluation élevée ne suffit pas, à elle seule, à justifier un contrat Enterprise particulier.

Prix de l'API Cerebras : tarifs et vitesse de chaque modèle

GPT OSS 120B est le moins cher des deux modèles de la grille Developer actuelle. Les tokens en entrée correspondent aux fragments de texte envoyés au modèle ; ceux en sortie, au contenu qu'il génère. Les deux sont facturés séparément : un prix moyen unique n'a donc de sens qu'une fois définie la répartition entre entrée et sortie.

Quels modèles Cerebras propose-t-il ?

OpenAI GPT OSS 120B : $0.35 par million de tokens en entrée, $0.75 par million de tokens en sortie et une vitesse annoncée par Cerebras d'environ 3,000 tokens par seconde. La documentation du modèle indique qu'il prend en charge le texte en entrée et en sortie, le raisonnement, le streaming, les sorties structurées et les appels d'outils. C'est donc le premier candidat à tester ici pour un agent textuel, sous réserve de vérifier la qualité de ses résultats sur vos propres tâches.

Qwen 3.8 27B : $0.99 par million de tokens en entrée, $1.49 par million de tokens en sortie et une vitesse annoncée par Cerebras d'environ 1,850 tokens par seconde. La documentation du modèle mentionne les images en entrée et les appels d'outils en mode strict. L'envoi d'images exige Chat Completions et des données PNG ou JPEG encodées en base64 ; une simple URL externe pointant vers une image n'est pas prise en charge.

À plus petite échelle, les tarifs de GPT OSS sont de $0.00035 en entrée et $0.00075 en sortie pour 1,000 tokens. Ceux de Qwen sont de $0.00099 et $0.00149. Il s'agit de conversions d'unités, pas d'offres distinctes.

Ces tarifs couvrent l'inférence, pas l'abonnement à votre éditeur de code. Si votre éditeur ou votre service d'agent facture ses propres frais, ajoutez-les séparément au budget de l'API.

Les vitesses ci-dessus sont celles du fournisseur, pas des mesures réalisées pour cet article. Un agent de développement attend aussi le traitement du prompt, le raisonnement, l'exécution des outils, les appels réseau et les nouvelles tentatives. Une génération rapide peut raccourcir une longue réponse sans changer sensiblement la durée d'une tâche surtout occupée à lancer des tests ou à interroger un service lent.

Combien coûte un agent par mois ?

Un agent textuel qui traite 10,000 tâches par mois coûte $53.75 avec GPT OSS 120B selon les hypothèses ci-dessous. C'est un budget d'évaluation donné à titre d'exemple aux tarifs publics Developer, pas un devis Enterprise ni une facture de production mesurée.

Supposons que chaque tâche nécessite cinq appels au modèle et que chaque appel consomme en moyenne 2,000 tokens en entrée et 500 tokens facturables en sortie. Le volume prévu en sortie doit inclure tout raisonnement facturé, et pas seulement le texte final présenté à l'utilisateur. On suppose ici qu'il n'y a ni économie liée au cache, ni nouvelle tentative, ni frais d'outils distincts.

Les volumes mensuels sont les suivants :

• Entrée : 10,000 tâches × 5 appels × 2,000 tokens = 100 millions de tokens.
• Sortie : 10,000 tâches × 5 appels × 500 tokens = 25 millions de tokens.

Avec les tarifs affichés pour GPT OSS 120B, l'entrée coûte 100 × $0.35 = $35, et la sortie 25 × $0.75 = $18.75. Total : $53.75 par mois, soit $0.005375 par tâche, avant tout crédit promotionnel.

Le même volume de tokens sur Qwen 3.8 27B coûte $99 en entrée + $37.25 en sortie = $136.25 par mois. Cela représente $82.50 de plus dans ce scénario. Ce surcoût ne se justifie que si le changement de modèle ou la prise en charge des images améliore suffisamment le résultat de la tâche ; un nombre identique de tokens ne garantit pas des résultats identiques.

Pour établir votre prévision, multipliez le nombre mensuel de millions de tokens en entrée par le tarif d'entrée, puis ajoutez le nombre mensuel de millions de tokens en sortie multiplié par le tarif de sortie. Pour obtenir le coût unitaire, divisez la facture par le nombre de tâches menées à bien, en incluant les dépenses occasionnées par les tentatives échouées.

Cerebras est-il gratuit et où s'arrête l'essai ?

Cerebras propose un essai limité, pas un quota gratuit renouvelé indéfiniment. Sa documentation sur l'essai précise qu'un crédit unique de $5 est activé après l'ajout d'un moyen de paiement valide et expire 30 jours après son activation. Ajouter ce moyen de paiement ne vous fait pas automatiquement passer à un usage payant et ne déclenche aucun prélèvement.

Une fois le crédit épuisé ou expiré, l'accès à l'API et au Playground est suspendu, sauf si vous achetez séparément des crédits PayGo. Sans moyen de paiement, cet accès reste inactif. Le crédit promotionnel n'est pas de l'argent liquide et ne peut pas être transféré.

Pour les deux modèles affichés, les limites par défaut de l'essai indiquées dans la documentation sont de 5 requêtes par minute, 30,000 tokens non mis en cache par minute, 90,000 tokens au total par minute, et 1 million de tokens par heure et par jour. L'écran Limits de votre compte fait foi pour vos quotas réels. Les plafonds de tokens par minute mesurent le volume de traitement, tandis que le plafond de requêtes compte les appels ; l'un comme l'autre peut interrompre un test avant l'épuisement du crédit.

Qui peut ne jamais payer ? Quelqu'un qui termine une petite évaluation dans les limites de crédit, de durée et de débit, puis cesse d'utiliser le service. Un développeur qui souhaite garder un assistant de programmation personnel doit prévoir un budget d'usage payant. L'essai sert à décider s'il faut continuer, pas à planifier un service gratuit sans limite de durée.

Quelles limites vérifier avant la mise en production ?

Le premier obstacle pratique concerne les pics de charge : une petite facture mensuelle ne signifie pas que l'API peut accepter toutes les requêtes simultanées. Cerebras documente des limites distinctes pour les tokens non mis en cache, qui nécessitent un nouveau traitement, et pour le total des tokens, qui inclut aussi ceux servis depuis le cache.

Les limites Developer actuelles par défaut sont les suivantes :

• GPT OSS 120B : 1,000 requêtes par minute, 1 million de tokens non mis en cache par minute et 3 millions de tokens au total par minute.
• Qwen 3.8 27B : 300 requêtes par minute, 150,000 tokens non mis en cache par minute et 750,000 tokens au total par minute. La documentation précise que ce dernier quota a été temporairement relevé par rapport à la limite de 450,000.

Developer n'impose aucun plafond de tokens horaire ou quotidien, mais ces limites par minute restent applicables. Les limites de l'organisation et du projet peuvent contraindre la même charge de travail : diviser le total mensuel par le nombre de jours ne permet donc pas de vérifier la capacité nécessaire.

Autre limite facile à manquer : le service estime la demande en sortie avant d'exécuter une requête. Une valeur inutilement élevée de max_completion_tokens peut déclencher une limitation de débit avant même que le modèle ait produit quoi que ce soit. Fixez un plafond adapté à la tâche, puis examinez la consommation renvoyée et les erreurs de quota. Acheter davantage de crédits ne supprime pas ces contrôles.

Pour les agents de développement, la fiabilité compte autant que la capacité. Les notes sur le modèle GPT OSS avertissent qu'il peut proposer des outils qui ne lui ont pas été fournis. Validez les noms des outils et leurs arguments avant toute exécution. Une action incorrecte reste incorrecte, même exécutée rapidement.

Enterprise et les quatre possibilités d'accès via un partenaire

Le passage en production change les conditions d'achat, même lorsque la consommation de tokens reste faible. Aucun tarif Enterprise public ne permet de calculer un seuil de dépenses universel à partir duquel quitter Developer. Demandez un devis en précisant le modèle, la répartition prévue entre tokens en entrée et en sortie, le pic de requêtes simultanées et vos besoins d'assistance.

La page tarifaire de Cerebras cite quatre partenaires : AWS Marketplace, OpenRouter, Hugging Face et Vercel. Envisagez le circuit d'achat que vous utilisez déjà, mais vérifiez sa propre grille tarifaire, la disponibilité des modèles, les conditions de production et la répartition des responsabilités d'assistance avant d'y basculer du trafic. La mention d'un partenariat ne garantit pas une facture finale identique au tarif Developer en accès direct.

La grille en accès direct facture à l'usage ; elle ne publie ni remise pour un abonnement annuel par rapport à un abonnement mensuel, ni barème des dépassements Enterprise. Pour un devis, faites préciser par écrit les engagements minimums, les frais de dépassement, les garanties de capacité et les conditions de sortie. Pour un usage prépayé, vérifiez l'expiration des crédits achetés et les conditions de remboursement avant de créditer le compte. Ne supposez pas que les crédits achetés expirent selon les mêmes règles que le crédit promotionnel.

Cerebras vs Groq et une API cloud sur GPU

Groq coûte moins cher pour une même répartition de tokens GPT OSS 120B sans cache, tandis que Cerebras annonce une génération plus rapide ; le guide des tarifs Groq détaille les compromis de cette solution en matière d'offres et de capacité. Groq est un autre fournisseur d'inférence hébergée. Sa page officielle du modèle affiche $0.15 par million de tokens en entrée, $0.60 par million de tokens en sortie et environ 500 tokens par seconde.

Avec les 100 millions de tokens en entrée et 25 millions en sortie de l'exemple, la facture de tokens chez Groq s'élève à $30 par mois. L'estimation Developer de Cerebras à $53.75 représente $23.75 de plus, soit 0.2375 cent américain de plus par tâche. Ces calculs reposent sur les tarifs publics ; ils ne comparent pas des contrats de production négociés. Les vitesses annoncées par les fournisseurs ne permettent pas non plus de déduire le gain de temps sur l'exécution complète de votre agent.

Fireworks AI, un fournisseur de modèles hébergés proposant des déploiements serverless et dédiés, offre un second point de comparaison. Ses tarifs Standard pour GPT OSS 120B sont également de $0.15 par million de tokens en entrée et $0.60 par million de tokens en sortie, soit la même estimation mensuelle de $30 sans cache. Le service Priority fait l'objet d'une tarification distincte ; toute cette comparaison repose sur Standard.

Pour chacune de ces alternatives, gardez les mêmes réglages de raisonnement, les mêmes limites de sortie et le même niveau de qualité exigé. Ne comparez pas un réglage bon marché qui échoue à accomplir la tâche avec un réglage plus cher qui la réussit, ni le seul prix horaire d'un GPU loué avec une facture d'API qui comprend déjà l'infrastructure nécessaire au service.

La question économique utile est de savoir si le gain de latence mesuré justifie le surcoût par tâche réussie. Pour un outil de développement utilisé de façon interactive, le temps d'attente peut peser dans la décision. Pour un agent en arrière-plan dont les appels à des outils externes absorbent déjà l'essentiel du temps, des tokens moins chers peuvent constituer le meilleur choix.

Que vérifier avant de changer de fournisseur ?

Évaluez le service sur un ensemble représentatif de tâches avant de migrer l'application. Un benchmark limité à des réponses courtes ne montre pas si un agent de développement respecte les schémas des outils ou mène correctement une longue modification à son terme.

1. 1

   Mesurez la tâche dans sa configuration actuelle

   Relevez la consommation en entrée et en sortie pour chaque appel au modèle, les nouvelles tentatives, les tâches réussies et le temps total écoulé. Distinguez le temps du modèle de celui passé dans les outils.

2. 2

   Rejouez la tâche avec la solution envisagée

   Utilisez des réglages équivalents pour le raisonnement et la sortie. Vérifiez la validité des appels d'outils et la justesse du résultat avant de juger la vitesse. Incluez les tâches lentes et celles qui échouent dans la comparaison.

3. 3

   Chiffrez le déploiement réellement prévu

   Appliquez les tarifs du fournisseur choisi à la consommation observée, puis confirmez la capacité et les conditions de production. Pour un accès direct à Cerebras en production, obtenez le devis Enterprise avant de basculer le trafic des clients.

La semaine prochaine, rejouez un échantillon représentatif des tâches de votre agent et utilisez les mesures de consommation et de simultanéité obtenues lors de la discussion d'achat. Pour élargir votre sélection, consultez les plateformes d'inférence en temps réel pour agents.

Questions fréquentes sur les tarifs Cerebras

Peut-on utiliser Cerebras gratuitement ?

Oui, dans le cadre de l'essai promotionnel unique, après l'ajout d'un moyen de paiement valide. Il est limité dans le temps et par le crédit accordé ; aucun quota gratuit ne se renouvelle automatiquement. Terminer une évaluation puis cesser d'utiliser le service peut ne rien coûter.

Cerebras est-il meilleur que NVIDIA ?

Aucune solution n'est la meilleure pour tous les agents. NVIDIA est un fournisseur de matériel, tandis que l'achat étudié ici concerne un service d'inférence hébergé. Comparez des déploiements d'API adaptés selon la qualité des tâches, la latence totale, la capacité et la facture complète ; l'architecture de la puce ne détermine pas à elle seule ces résultats.

Payer pour Cerebras en vaut-il la peine ?

Pour l'accès à l'inférence, Cerebras mérite une évaluation lorsque la génération du modèle représente une part significative du temps d'attente de votre application. Ne payez pour la solution d'accès retenue que lorsque les résultats des tâches, la latence mesurée et les conditions d'exploitation justifient le coût total.

Quels sont les principaux concurrents de Cerebras ?

Pour choisir une API d'inférence rapide, retenez Groq et un fournisseur d'inférence cloud sur GPU tel que Fireworks AI. Comparez le même modèle et la même charge de travail avant de considérer comme équivalents les prix d'appel de différents fournisseurs.

Combien coûte une puce Cerebras ?

Le matériel Cerebras est vendu sur devis, conformément à ses conditions de vente ; l'achat d'actions de l'entreprise relève d'une question d'investissement distincte.

La page tarifaire de Cerebras prévoit-elle une réduction étudiante ou des remboursements ?

La page tarifaire actuelle ne publie ni tarif réservé aux étudiants, ni engagement général de remboursement des crédits payants. Vérifiez les conditions applicables à l'achat de crédits avant de payer ; ne considérez pas le crédit promotionnel comme une somme remboursable.

Utilisez la checklist AI Business Workflow Audit Checklist pour recenser le volume de tâches, la gestion des échecs et les coûts d'exploitation avant de choisir une API. Abonnez-vous pour recevoir la checklist.