# Celeris-1 自稱以每秒 2,038 個輸出 token 登上 Artificial Analysis 速度榜首

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Celeris (@Celeris_ai) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-08-06

> 原始來源：https://x.com/celeris_ai/status/2084429307422872026

## 證據與延伸閱讀

- [Celeris-1 以每秒 2,038 token 成為最快模型](https://x.com/celeris_ai/status/2084429307422872026)
- [Celeris 於 2026 年 7 月發布基準測試](http://celeris.ai/blog-benchmarks) — 官方文件

## 中文摘要

Celeris-1 自稱以每秒 2,038 個輸出 token 登上 Artificial Analysis 速度榜首。

**核心主張** Celeris 於 2026 年 8 月 4 日表示，Celeris-1 在納入的 591 個模型中，於回應時間、TTFT（首次 token 生成時間）與每項智慧任務所需時間上都排名第一，輸出速度是下一名模型的兩倍；同時，Celeris-1 在 HLE 評測中勝過 Grok 4.3。團隊進一步主張，這證明不使用客製化晶片，也能讓模型提供比現今系統快 10 倍的實用智慧。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/dee82a5f4200bff5.jpg)
> Celeris-1 以每秒 2,038 個 output token 的速度在 Artificial Analysis 評測中名列第一。

**實測方式** Celeris 在 2026 年 7 月發布的基準測試中，讓 Celeris-1、GPT-5、GPT-5 mini、Gemini 3.5 Flash Lite、Gemini 2.5 Flash 與 Inception 的 Mercury 2 使用同一個 harness、相同 prompt、資料集與評分方式，並在 MMLU-Pro 完整測試集上比較品質與延遲。為追求最快配置，前五個模型的 reasoning budget 都設為 0，Mercury 2 則使用 instant mode；延遲採單次請求的中位數（p50）。

**品質與延遲** 在五次示範、chain-of-thought 與嚴格答案格式評分下，Celeris-1 得分 75.9%、延遲 158 毫秒。Gemini 3.5 Flash Lite 得分最高，為 83.0%，但延遲 1.2 秒；GPT-5 為 81.9%、2.0 秒，GPT-5 mini 為 78.5%、2.5 秒，耗時約為 Celeris-1 的 13 至 16 倍。Gemini 2.5 Flash 為 73.0%、2.6 秒；Mercury 2 為 63.7%、257 毫秒。Celeris 因此主張，Celeris-1 以接近前沿模型的推理品質，換來達到前沿模型 8 至 16 倍的模型處理速度。

**評測限制** Celeris 表示，多數模型使用供應商伺服器端時間，Gemini 則以服務區域內共置的使用者端測量端到端時間，因此網路延遲不完全採同一方式處理。Celeris 稱網路僅佔數十毫秒、對數秒級回應影響有限。另有評分調整：Gemini 2.5 Flash 因答案格式問題，改採 TIGER-Lab 既有分數；Mercury 2 也從標準設定改為 0-shot 強制 chain-of-thought，才得到 63.7%。使用者可透過 [Celeris](https://celeris.ai) 取得 API key，並參考其[基準測試](https://celeris.ai/blog-benchmarks)與 [Artificial Analysis 模型頁面](https://artificialanalysis.ai/models/celeris-1)。

## 媒體內容

**Celeris-1 以每秒 2,038 個 output token 的速度在 Artificial Analysis 評測中名列第一。**

**數據表**

| 項目 | 數值 |
| --- | --- |
| Celeris-1 | 2038 |
| Mercury 2 | 851 |
| Gemini 3.5 Flash-Lite | 365 |
| Gemini 3.6 Flash | 215 |
| Command A+ | 196 |
| gpt-oss-120b (high) | 193 |
| Nemotron 3 Ultra | 143 |
| GPT-5.6 Terra (max) | 126 |
| Muse Spark 1.1 (xhigh) | 124 |
| Claude 4.5 Haiku | 95 |
| Inkling | 86 |
| Claude Sonnet 5 (max) | 75 |
| Gemma 4 31B | 68 |
| Mistral Medium 3.5 | 66 |
| MiniMax-M3 | 65 |
| Claude Fable 5 (with fallback) | 62 |
| GPT-5.6 Sol (max) | 61 |
| Grok 4.5 (high) | 56 |
| Qwen3.6 27B | 56 |
| Qwen3.6 27B | 54 |
| Claude Opus 5 (max) | 54 |
| Claude Opus 4.8 (max) | 53 |
| Kimi K3 (max) | 35 |
| Gemma 4 31B | 35 |

## 標籤

新產品, LLM, Benchmark, Celeris-1, Celeris