Cerebras API Free Tier: Was Sie bekommen und wie Sie es testen

Cerebras verkauft eine einzige Zahl: Geschwindigkeit. Das Versprechen ist, dass seine Wafer-Scale-Chips Tokens schneller ausgeben, als es ein GPU-Cluster je könnte, und das kostenlose Kontingent ist der Weg, auf dem das Unternehmen dafür sorgt, dass Sie es bemerken. Aber „schnell“ ist nichts, was Sie einem Anbieter einfach glauben sollten. Es ist etwas, das Sie messen – über Ihre eigene Verbindung, mit Ihrem eigenen Prompt – und dann als Aufzeichnung behalten, die Sie jedes Mal erneut ausführen können, wenn Cerebras ein neues Modell ausliefert oder ein Limit ändert.

Testen Sie Apidog noch heute

Diese Anleitung führt diese Messung mit Ihnen durch. Sie besorgen sich einen Cerebras-API-Schlüssel, führen einen echten Chat-Completion-Aufruf gegen den OpenAI-kompatiblen Endpunkt aus, messen die Zeit bis zum ersten Token und die vollständige Antwort und lassen Ihren Coding-Agenten die gesamte Anfrage in einen Apidog-CLI-Test umwandeln, damit sie den nächsten Modellwechsel übersteht.

TL;DR

Cerebras gibt neuen Konten eine Free-Trial-Stufe: 5 $ an Credits, die 30 Tage nach ihrer Gewährung verfallen, beschränkt auf zwei Modelle (gpt-oss-120b und qwen-3.8-27b) mit 5 Anfragen pro Minute und 30K ungecachten Tokens pro Minute jeweils, gemäß den veröffentlichten Rate Limits von Cerebras. Die API ist OpenAI-kompatibel unter https://api.cerebras.ai/v1, sodass Sie einen bestehenden OpenAI-Client darauf richten und drei Zeilen ändern können. Im Folgenden erstellen Sie eine Anfrage, die die Zeit bis zum ersten Token und die Tokens pro Sekunde selbst misst, statt einer Marketingseite zu vertrauen.

Was die kostenlose Stufe dokumentiert – und was nicht

Die Preisseite von Cerebras rendert ihre Zahlen clientseitig, was bedeutet, dass der genaue Dollar-pro-Million-Token-Preis für die kostenpflichtige Nutzung nicht etwas ist, das Sie aus einem statischen Abruf der Seite ziehen können. Raten Sie diese Zahl nicht. Wenn Sie sie brauchen, öffnen Sie selbst den Abrechnungs-Tab der Cerebras Cloud Console, denn das ist der einzige Ort, an dem der aktuelle Preis garantiert korrekt ist.

Was die Dokumentation klar angibt, auf der Support-Seite zu den Rate Limits, ist die Gestalt der Free-Trial-Stufe:

Stufe	Modelle	RPM	Ungecachte TPM	Gesamt-TPM	TPH	TPD
Free Trial	gpt-oss-120b, qwen-3.8-27b	5	30K	90K	1M	1M
Developer (gpt-oss-120b)	pay-as-you-go	1,000	1M	3M	none	none
Developer (qwen-3.8-27b)	pay-as-you-go	300	150K	450K	none	none

Zwei Dinge sind hier wichtig. Erstens ist „ungecachte TPM“ die tatsächliche Obergrenze: Es sind Tokens, die volle Rechenleistung benötigen, und Ihr gesamtes TPM-Kontingent beträgt ungefähr das Dreifache davon, sobald Cache-Treffer mitgezählt werden. Zweitens ist das Free-Trial-Konto durch Credits und Zeit begrenzt, nicht für immer durch Anfragen: Sobald die 5 $ aufgebraucht sind oder 30 Tage vergangen sind, fallen Sie auf das zurück, was die Kontostufe zulässt, bis Sie eine Zahlungsmethode hinzufügen. Alles jenseits dieser Tabelle (Preis pro Token, Sitzplatzpreise, Enterprise-Bedingungen) liegt hinter der JavaScript-gerenderten Preisseite und der Console, nicht in der statischen Dokumentation, also prüfen Sie es dort, bevor Sie damit budgetieren.

Wenn Sie auf einem anderen Anbieter an eine solche Wand gestoßen sind, ist das Muster dasselbe wie in unserem Leitfaden dazu, was zu tun ist, wenn Sie eine 429-Rate-Limit-Exceeded-Antwort erhalten: Lesen Sie den Fehlertext, treten Sie einen Schritt zurück und prüfen Sie das Dashboard, bevor Sie annehmen, dass die API defekt ist.

Holen Sie sich einen Schlüssel und führen Sie einen echten Aufruf aus

Registrieren Sie sich unter cloud.cerebras.ai, öffnen Sie API Keys und generieren Sie einen. Der Quickstart von Cerebras selbst empfiehlt, ihn als Umgebungsvariable zu setzen, damit er niemals von Hand in einen Request-Body gelangt:

export CEREBRAS_API_KEY="your-key-here"

Die Basis-URL ist https://api.cerebras.ai/v1, und der Chat-Completions-Endpunkt entspricht direkt der Form von OpenAI: POST /v1/chat/completions mit einem model und einem messages-Array. Diese Kompatibilität ist in der API-Referenz dokumentiert, und sie ist der Grund, warum Sie Cerebras in Code einsetzen können, der für die OpenAI-Client-Bibliothek geschrieben wurde, indem Sie die Basis-URL und den Schlüssel ändern. Ein roher curl-Aufruf sieht so aus:

curl https://api.cerebras.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "[REDACTED CREDENTIAL]earer ${CEREBRAS_API_KEY}" \
  -d '{
    "model": "qwen-3.8-27b",
    "messages": [
      {"role": "user", "content": "Explain time-to-first-token in two sentences."}
    ]
  }'

Führen Sie ihn aus, und die Antwort enthält mehr als den Completion-Text. Sie enthält einen usage-Block (prompt_tokens, completion_tokens, total_tokens) und einen time_info-Block (queue_time, total_time), den Cerebras bei jedem Aufruf zurückgibt.

Wenn Ihr Team mehr als ein Modell oder einen Anbieter testet, ist dies ein guter Moment, um aufzuhören, sich auf einmalige curl-Befehle zu verlassen. Der Abschnitt zur Apidog CLI weiter unten lässt Ihren Coding-Agenten diesen Aufruf in einen Test umwandeln, den er jedes Mal erneut ausführt, wenn Cerebras ein Modell hinzufügt oder ein Limit ändert.

Messen Sie das Geschwindigkeitsversprechen: Zeit bis zum ersten Token und Tokens pro Sekunde

Zwei Zahlen sagen Ihnen, ob „schnell“ für Ihre Workload real ist: die Zeit bis zum ersten Token (TTFT) und die pro Sekunde generierten Tokens. Keine von beiden erscheint als Headline-Metrik in der API-Antwort, also berechnen Sie sie aus dem, was der Aufruf Ihnen liefert.

Für die TTFT streamen Sie die Antwort und zeichnen die Wanduhr-Zeitspanne zwischen dem Absenden der Anfrage und dem Empfang des ersten Chunks auf:

import time
from cerebras.cloud.sdk import Cerebras

client = Cerebras()
start = time.perf_counter()
first_token_at = None

stream = client.chat.completions.create(
    model="qwen-3.8-27b",
    messages=[{"role": "user", "content": "Write a haiku about wafer-scale chips."}],
    stream=True,
)

for chunk in stream:
    if first_token_at is None and chunk.choices[0].delta.content:
        first_token_at = time.perf_counter() - start
        print(f"Time to first [REDACTED CREDENTIAL]

Für Tokens pro Sekunde verwenden Sie einen nicht-streamenden Aufruf und teilen die Completion-Tokens durch die total_time, die Cerebras im time_info meldet:

response = client.chat.completions.create(
    model="qwen-3.8-27b",
    messages=[{"role": "user", "content": "Explain the CS-3 wafer-scale engine in 100 words."}],
)

tokens = response.usage.completion_tokens
seconds = response.time_info.total_time
print(f"{tokens / seconds:.1f} tokens/sec")

Führen Sie dies einige Male aus, zu verschiedenen Uhrzeiten, mit einem Prompt, der dem nahekommt, was Ihr Produkt sendet. Behalten Sie beide Skripte und führen Sie sie erneut aus, wann immer Cerebras ein Modell zum kostenlosen Kontingent hinzufügt, denn die Tokens-pro-Sekunde-Zahl ändert sich pro Modell, nicht nur pro Anbieter.

Lesen Sie die Limits, bevor sie Sie lesen

Das Rate-Limit-Design von Cerebras hat eine Feinheit, die es wert ist, gekannt zu werden, bevor Sie irgendetwas skripten: Es verfolgt zwei getrennte Token-Buckets pro Organisation, ungecachte TPM und Gesamt-TPM, und setzt beide gleichzeitig durch. Ein Schwall kurzer, repetitiver Prompts kann die Obergrenze an Anfragen pro Minute erreichen, bevor er sich der Token-Obergrenze überhaupt nähert – genau die Falle, die in unserem umfassenderen Beitrag dazu, wie API-Rate-Limiting funktioniert, beschrieben wird.

Eine ehrliche Lücke in der Dokumentation: Cerebras veröffentlicht keine Reihe von x-ratelimit-*-Antwort-Headern, wie es manche Anbieter tun. Die API-Referenz listet keine auf, und die Rate-Limits-Seite ebenso wenig. Das unterscheidet sich von OpenAIs eigener Chat-Completions-API, die bei jedem Aufruf Header zum verbleibenden Kontingent zurückgibt – ein Muster, das unser OpenAI-Rate-Limits-Leitfaden ausführlicher behandelt. Bei Cerebras sind die zwei Orte, an denen Sie Ihren tatsächlichen Stand prüfen können, der Limits-Abschnitt der Cloud Console und der Body einer 429-Antwort, der angibt, ob Sie die ungecachte oder die Gesamt-Token-Obergrenze überschritten haben. Bauen Sie Ihre Retry-Logik um diesen Fehler-Body herum auf, statt anzunehmen, dass ein Header es Ihnen zuerst sagen wird.

Lassen Sie Ihren Coding-Agenten ihn mit der Apidog CLI erneut ausführen

Eine Messung in einer Scratch-Datei beweist nächsten Monat nichts. Lassen Sie Ihren Coding-Agenten den Aufruf in einen Test umwandeln, den er über die Apidog CLI erneut ausführen kann. Richten Sie sie einmal ein:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick your agent when prompted

Das Token stammt aus Apidog unter Account Settings, API Access Token. Geben Sie dem Agenten dann einen [REDACTED PROMPT]
Use Apidog CLI on project . Create a Cerebras environment with base URL
https://api.cerebras.ai/v1 and add POST /chat/completions with Bearer [REDACTED] from
{{CEREBRAS_API_KEY}} and model set to {{MODEL}}. Create a test case asserting
status 200 and time_info.total_time under {{MAX_TOTAL_TIME}}, run it for
gpt-oss-120b and qwen-3.8-27b, and report completion tokens per second for each.

Die Befehle, die er ausführt, abgeglichen mit Apidog CLI 2.2.7:

bash
apidog environment create Cerebras --project --base-url https://api.cerebras.ai/v1
apidog endpoint create --project --file cerebras-chat.json
apidog cli-schema validate test-case-create --file speed-case.json
apidog test-case create --project --file speed-case.json
apidog run --test-case --project -e -d models.csv \
--delay-request 12000 --env-var "CEREBRAS_API_KEY=$CEREBRAS_API_KEY" -r cli,json

`models.csv` enthält eine einzelne `MODEL`-Spalte, sodass ein einzelner Lauf beide Modelle abdeckt, und was auch immer Cerebras als Nächstes ausliefert, ist eine weitere Zeile. `--delay-request 12000` verteilt die Aufrufe im Abstand von 12 Sekunden, um unter den 5 Anfragen pro Minute der Free Trial zu bleiben. Für den 429-Pfad bitten Sie um einen zweiten Testfall, der das Limit absichtlich mit einer Burst überschreitet und auf dem Fehler-Body prüft, sodass er erfasst und versioniert wird, statt in der Produktion neu entdeckt zu werden. Das ist ein Workflow, kein einmaliger Benchmark; sehen Sie sich unsere Zusammenstellung von [API-Testing-Tools, die für Agent- und LLM-Workloads gebaut sind](https://apidog.com/de/blog/best-api-testing-tools-ai-agents?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation), an, wenn Sie Optionen vergleichen, und [Apidog CLI in Claude Code](https://apidog.com/de/blog/apidog-cli-in-claude-code?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) für die Agent-Seite.

## Free-Tier oder Developer-Tier: Wann Sie wechseln sollten

Die Free-Trial-Stufe ist genau für das gebaut, was diese Anleitung durchgeht: das Geschwindigkeitsversprechen und die Anfrageform zu bestätigen, bevor Sie eine Karte hinterlegen. Sobald Sie wirklich gegen Cerebras entwickeln, ist der Sprung der Developer-Stufe von 5 RPM auf 1.000 RPM bei `gpt-oss-120b` die Zahl, die üblicherweise die Entscheidung erzwingt, nicht der Preis pro Token. Wenn Ihr Prompt-Volumen schubweise statt gleichmäßig ist, vergleichen Sie die Zahlen von Cerebras mit Alternativen, bevor Sie sich festlegen; unsere Liste der [OpenRouter-Alternativen](https://apidog.com/de/blog/best-openrouter-alternatives?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) und unsere Durchführung des [kostenlosen API-Tarifs von Groq](https://apidog.com/de/blog/groq-api-free?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) sind beide lesenswert Seite an Seite mit der obigen Tabelle, da sich die Inferenzgeschwindigkeit und die Obergrenzen der kostenlosen Stufen zwischen Anbietern stärker unterscheiden, als die meisten Vergleichsbeiträge zugeben. Ein Unterschied, den es vor der Wahl zu kennen lohnt: [Groq dokumentiert die Free-Plan-Limits direkt pro Modell](https://console.groq.com/docs/rate-limits), zum Beispiel `openai/gpt-oss-120b` mit 30 RPM, 1.000 RPD, 8K TPM und 200K TPD, und gibt bei jedem Aufruf `x-ratelimit-*`-Antwort-Header zurück, sodass Sie Ihr verbleibendes Budget immer aus der Antwort selbst kennen. Cerebras gibt Ihnen weder das eine noch das andere; Sie lesen Ihren Stand aus der Cloud Console oder leiten ihn aus einem 429-Body ab, wie oben behandelt.

## FAQ

**Erfordert der kostenlose Tarif von Cerebras eine Kreditkarte?** Die Free-Trial-Stufe ist credit-basiert (5 $, verfallen nach 30 Tagen) statt eines wiederkehrenden kostenlosen Plans, und die Dokumentation von Cerebras selbst verweist Sie für die aktuellen Anmeldeanforderungen an die Cloud Console, da sich dieses Detail unabhängig von der statischen Dokumentation ändern kann.

**Welche Modelle sind im kostenlosen Tarif verfügbar?** Laut der [aktuellen Rate-Limits-Dokumentation](https://inference-docs.cerebras.ai/support/rate-limits) zwei: `gpt-oss-120b` und `qwen-3.8-27b`. Beide teilen sich dieselben Free-Trial-Limits (5 RPM, 30K ungecachte TPM).

**Kann ich meinen bestehenden OpenAI-SDK-Code mit Cerebras verwenden?** Ja. Richten Sie die Basis-URL des Clients auf `https://api.cerebras.ai/v1` und tauschen Sie Ihren Cerebras-Schlüssel ein; die Form von `/v1/chat/completions` stimmt überein, gemäß der [API-Referenz](https://inference-docs.cerebras.ai/api-reference/chat-completions).

**Warum habe ich eine 429 bekommen, obwohl ich unter meinem Token-Budget bin?** Cerebras setzt ungecachte TPM, Gesamt-TPM und RPM als separate Obergrenzen durch. Ein Schwall kleiner Anfragen kann das RPM-Limit weit vor jedem Token-Bucket anschlagen lassen, was derselbe Fehlermodus ist, der in unserem [Leitfaden zur Fehlerbehebung bei Rate-Limit-Überschreitungen](https://apidog.com/de/blog/rate-limit-exceeded-guide?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) behandelt wird.

**Wie prüfe ich meine aktuelle Nutzung, ohne zuerst an eine Wand zu stoßen?** Cerebras gibt keine Antwort-Header zum verbleibenden Kontingent zurück, also prüfen Sie den Limits-Abschnitt in der [Cloud Console](https://cloud.cerebras.ai) direkt, statt ihn aus API-Antworten abzuleiten. Der kostenlose Plan von Groq verfolgt den entgegengesetzten Ansatz und gibt bei jedem Aufruf `x-ratelimit-*`-Header zurück, also wägen Sie diesen Unterschied ab, wenn header-basiertes Monitoring für Ihr Setup wichtig ist.

Der wahre Vorteil von Cerebras zeigt sich im `time_info`-Block Ihrer eigenen Aufrufe, nicht in einer Marketing-Schlagzeile.