Jalapeño: pierwsze wyniki układu OpenAI biją NVIDIĘ — ale nikt ich jeszcze nie powtórzył poza laboratoriami firmy

Jalapeño zapowiedziano 24 czerwca 2026 roku wspólnie z Broadcomem; 25 sierpnia OpenAI opublikowało pierwsze dane o wydajności. Nowością nie jest sam układ, lecz to, że wreszcie pojawiły się liczby porównywalne ze sprzętem NVIDII w publicznym benchmarku. Według pomiarów wykonanych narzędziem InferenceX, otwartoźródłowym pakietem SemiAnalysis, procesor osiąga przepustowość na kilowat od 1,5 do 1,9 raza wyższą i opóźnienie end-to-end od 1,7 do 3,6 raza niższe niż systemy NVIDIA GB200 i GB300 (szczytową różnicę opóźnień zmierzono na modelu DeepSeek R1 670B względem systemu GB300). InferenceX publikuje wyniki na publicznym dashboardzie generowanym przez procesy GitHub Actions, których logi widać w trakcie wykonania, ale pochodzenie liczb Jalapeño pozostaje częściowo nieprzejrzyste. SemiAnalysis potwierdziło, że krzem istnieje, jednak zakres własnej weryfikacji pozostaje otwarty: część relacji pisze, że inżynierowie firmy sami uruchamiali obciążenia w laboratoriach OpenAI, inne — że byli obecni przy przebiegach, których liczby wciąż pochodzą od firmy. Zgadzają się natomiast w dwóch punktach: pakiet AgentX — wieloturowe obciążenia agentowe z długim kontekstem — nie został uruchomiony na Jalapeño, a niezależne odtworzenie na sprzęcie osób trzecich nie istnieje.

Trzeba doprecyzować, że porównuje się akceleratory z różnych klas mocy: Jalapeño pracuje przy nominalnych 700 W (w testach pobór ciągły poniżej 550 W), podczas gdy referencyjne systemy NVIDII to 1200 W i 1400 W. OpenAI deklaruje, że zamknęło tape-out w zaledwie dziewięć miesięcy, wspierając projektowanie własnymi modelami, ale szczegóły techniczne pozostają skąpe: nie ujawniono węzła produkcyjnego, pojemności pamięci ani kosztu na token. Plan zakłada niewielkie wolumeny do końca 2026 roku i znaczące wdrożenie w 2027, a druga generacja jest już w opracowaniu.

Gdy OpenAI rozpowszechnia wyniki — nazwane przez szefa działu sprzętu Richarda Ho „bardzo istotnym postępem względem stanu techniki” — NVIDIA zamknęła drugi kwartał roku obrotowego 2027, zakończony w lipcu, przychodami segmentu centrów danych na poziomie 89 miliardów dolarów, o 117 procent wyższymi rok do roku. Prezes NVIDII Jensen Huang określił SI jako będącą „w punkcie zwrotnym”, z tokenami „produktywnymi i rentownymi”. OpenAI ze swojej strony powtarza, że zamierza dalej korzystać z akceleratorów NVIDII i innych partnerów, ale przekaz jest jasny: przy inferencji na dużą skalę własny krzem może wkrótce stać się dźwignią strategiczną.

Pozostaje szczegół nie drugorzędny: opublikowane benchmarki dotyczą wyłącznie obciążeń open weights (GPT-OSS 120B, DeepSeek R1 670B i Kimi K2.5 1T) i nie obejmują ani treningu, ani modeli zamkniętych. Trzeba dodać, że miarą porównania jest generacja Blackwell, podczas gdy NVIDIA zapowiedziała już kolejną architekturę, Rubin: zmierzona dziś przewaga dotyczy sprzętu schodzącego ze sceny. Deklarowana przewaga ogranicza się do jednego konkretnego scenariusza i na razie nie została powtórzona poza laboratoriami OpenAI. Prawdziwe pytanie nie brzmi, o ile Jalapeño jest wydajniejsze od Blackwella, lecz czy i kiedy ta wydajność stanie się danymi publicznymi, możliwymi do audytu i do skalowania.

— Olya