Jalapeño: Die ersten Zahlen zum OpenAI-Chip schlagen NVIDIA — nachvollzogen hat sie außerhalb der eigenen Labore noch niemand

Jalapeño war am 24. Juni 2026 gemeinsam mit Broadcom angekündigt worden; am 25. August hat OpenAI die ersten Leistungsdaten veröffentlicht. Neu ist nicht der Chip, sondern dass es endlich Zahlen gibt, die sich in einem öffentlichen Benchmark mit NVIDIA-Hardware vergleichen lassen. Nach den Messungen mit InferenceX, der Open-Source-Suite von SemiAnalysis, erreicht der Prozessor einen 1,5- bis 1,9-mal höheren Durchsatz pro Kilowatt und eine 1,7- bis 3,6-mal niedrigere End-to-End-Latenz als die NVIDIA-Systeme GB200 und GB300 (der Latenzspitzenwert wurde beim Modell DeepSeek R1 670B gegenüber dem GB300-System gemessen). InferenceX veröffentlicht seine Ergebnisse auf einem öffentlichen Dashboard, das von GitHub-Actions-Workflows mit während des Laufs sichtbaren Logs erzeugt wird — die Herkunft der Jalapeño-Zahlen bleibt dennoch teilweise undurchsichtig. SemiAnalysis hat bestätigt, dass das Silizium existiert, wie weit die eigene Prüfung ging, ist aber offen: Einige Darstellungen schreiben, die Ingenieure hätten die Lasten selbst in den Laboren von OpenAI ausgeführt, andere, sie hätten Durchläufen beigewohnt, deren Zahlen weiterhin vom Unternehmen stammen. Einig sind sich alle in zwei Punkten: Die Suite AgentX — agentische Mehrschritt-Lasten mit langem Kontext — wurde auf Jalapeño nicht ausgeführt, und eine unabhängige Reproduktion auf fremder Hardware gibt es nicht.

Zu präzisieren ist, dass hier Beschleuniger unterschiedlicher Leistungsklassen verglichen werden: Jalapeño arbeitet mit nominal 700 W (im Test lag die Dauerleistung unter 550 W), während die NVIDIA-Referenzsysteme bei 1.200 W und 1.400 W liegen. OpenAI erklärt, das Tape-out in nur neun Monaten abgeschlossen zu haben, unterstützt beim Entwurf durch die eigenen Modelle, doch die technischen Details bleiben dünn: Fertigungsknoten, Speicherkapazität und Kosten pro Token wurden nicht genannt. Die Roadmap sieht kleine Stückzahlen bis Ende 2026 und eine nennenswerte Verbreitung 2027 vor, eine zweite Generation ist bereits in Arbeit.

Während OpenAI die Ergebnisse verbreitet — Hardwarechef Richard Ho nennt sie „einen sehr bedeutenden Fortschritt gegenüber dem Stand der Technik“ —, hat NVIDIA das im Juli beendete zweite Geschäftsquartal 2027 mit 89 Milliarden Dollar Umsatz im Segment Rechenzentrum abgeschlossen, ein Plus von 117 Prozent gegenüber dem Vorjahr. NVIDIA-CEO Jensen Huang bezeichnete die KI als „an ihrem Wendepunkt“ angekommen, mit Token, die „produktiv und profitabel“ seien. OpenAI wiederum betont, weiterhin Beschleuniger von NVIDIA und anderen Partnern einsetzen zu wollen — die Botschaft ist trotzdem eindeutig: Für Inferenz im großen Maßstab könnte eigenes Silizium bald zum strategischen Hebel werden.

Ein Detail ist dabei nicht nebensächlich: Die veröffentlichten Benchmarks betreffen ausschließlich Open-Weights-Lasten (GPT-OSS 120B, DeepSeek R1 670B und Kimi K2.5 1T) und umfassen weder das Training noch proprietäre Modelle. Hinzu kommt, dass der Maßstab die Blackwell-Generation ist, während NVIDIA die Nachfolgearchitektur Rubin bereits angekündigt hat: Der heute gemessene Abstand betrifft auslaufende Hardware. Der behauptete Vorsprung gilt für ein eng umrissenes Szenario und ist bislang außerhalb der Labore von OpenAI nicht reproduziert. Die eigentliche Frage lautet nicht, wie viel effizienter Jalapeño gegenüber Blackwell ist, sondern ob und wann diese Effizienz zu einer öffentlichen, prüfbaren und skalierbaren Größe wird.

— Olya