Jalapeño: las primeras cifras del chip de OpenAI superan a NVIDIA, pero nadie las ha repetido fuera de sus laboratorios

Jalapeño se había anunciado el 24 de junio de 2026 junto a Broadcom; el 25 de agosto OpenAI publicó sus primeros datos de rendimiento. La novedad no es el chip, sino que por fin existan cifras comparables con el hardware de NVIDIA en un benchmark público. Según las pruebas ejecutadas con InferenceX, la suite de código abierto de SemiAnalysis, el procesador registra un rendimiento por kilovatio de 1,5 a 1,9 veces superior y una latencia extremo a extremo de 1,7 a 3,6 veces menor que los sistemas NVIDIA GB200 y GB300 (el pico de latencia se midió con el modelo DeepSeek R1 670B frente al sistema GB300). InferenceX publica sus resultados en un panel público generado por flujos de trabajo de GitHub Actions con registros visibles durante la ejecución, pero el origen de las cifras de Jalapeño sigue siendo en parte opaco. SemiAnalysis ha confirmado que el silicio existe, aunque hasta dónde llegó su verificación queda abierto: algunas reconstrucciones dicen que sus ingenieros ejecutaron las cargas en los laboratorios de OpenAI, otras que asistieron a ejecuciones cuyas cifras siguen viniendo de la empresa. Coinciden, en cambio, en dos puntos: la suite AgentX —cargas agénticas de varios turnos y contexto largo— no se ejecutó en Jalapeño, y no existe una reproducción independiente en hardware de terceros.

Conviene precisar que la comparación se hace entre aceleradores de clases de potencia distintas: Jalapeño funciona a 700 W nominales (con un consumo sostenido inferior a 550 W en las pruebas), mientras que los sistemas NVIDIA de referencia están en 1.200 W y 1.400 W. OpenAI afirma haber completado el tape-out en solo nueve meses, apoyándose en sus propios modelos para el diseño, pero los detalles técnicos son escasos: no se han hecho públicos el nodo de fabricación, la capacidad de memoria ni el coste por token. La hoja de ruta prevé volúmenes reducidos para finales de 2026 y un despliegue significativo en 2027, con una segunda generación ya en desarrollo.

Mientras OpenAI difunde los resultados —calificados de “un avance muy significativo respecto al estado del arte” por el responsable de hardware, Richard Ho—, NVIDIA cerró su segundo trimestre fiscal de 2027, terminado en julio, con ingresos de 89.000 millones de dólares en el segmento de centros de datos, un 117% más interanual. Su consejero delegado, Jensen Huang, describió la IA como “en su punto de inflexión”, con tokens “productivos y rentables”. OpenAI, por su parte, insiste en que seguirá usando aceleradores de NVIDIA y de otros socios, pero el mensaje es claro: para la inferencia a gran escala, el silicio propio podría convertirse pronto en una palanca estratégica.

Queda un detalle nada menor: los benchmarks publicados cubren solo cargas open weights (GPT-OSS 120B, DeepSeek R1 670B y Kimi K2.5 1T) y no incluyen ni el entrenamiento ni los modelos propietarios. Hay que añadir que la vara de medir es la generación Blackwell, cuando NVIDIA ya ha anunciado la siguiente arquitectura, Rubin: la diferencia medida hoy lo es frente a hardware de salida. La ventaja declarada se circunscribe a un escenario concreto y, por ahora, no se ha replicado fuera de los laboratorios de OpenAI. La verdadera pregunta no es cuánto más eficiente es Jalapeño que Blackwell, sino si esa eficiencia llegará a ser un dato público, auditable y escalable, y cuándo.

— Olya