Jalapeño: os primeiros números do chip da OpenAI batem a NVIDIA — mas ninguém os repetiu fora dos seus laboratórios

O Jalapeño tinha sido anunciado a 24 de junho de 2026 em conjunto com a Broadcom; a 25 de agosto a OpenAI publicou os primeiros dados de desempenho. A novidade não é o chip, mas o facto de finalmente existirem números comparáveis ao hardware da NVIDIA num benchmark público. Segundo as medições feitas com o InferenceX, a suíte open source da SemiAnalysis, o processador regista uma taxa de processamento por quilowatt de 1,5 a 1,9 vezes superior e uma latência ponta a ponta de 1,7 a 3,6 vezes inferior à dos sistemas NVIDIA GB200 e GB300 (o pico de latência foi registado no modelo DeepSeek R1 670B face ao sistema GB300). O InferenceX publica os resultados num painel público gerado por fluxos do GitHub Actions com registos visíveis durante a execução, mas a origem dos números do Jalapeño continua parcialmente opaca. A SemiAnalysis confirmou que o silício existe, embora o grau da sua verificação permaneça em aberto: algumas reconstituições escrevem que os seus engenheiros correram eles próprios as cargas nos laboratórios da OpenAI, outras que assistiram a execuções cujos números continuam a ser fornecidos pela empresa. Concordam, isso sim, em dois pontos: a suíte AgentX — cargas agênticas de vários turnos e contexto longo — não foi corrida no Jalapeño, e não existe reprodução independente em hardware de terceiros.

Convém precisar que a comparação é entre aceleradores de classes de potência diferentes: o Jalapeño opera a 700 W nominais (com consumo sustentado abaixo dos 550 W nos testes), enquanto os sistemas NVIDIA de referência ficam nos 1.200 W e 1.400 W. A OpenAI afirma ter concluído o tape-out em apenas nove meses, usando os seus próprios modelos como apoio ao projeto, mas os detalhes técnicos são escassos: nó de fabrico, capacidade de memória e custo por token não foram divulgados. O roteiro prevê volumes reduzidos até ao final de 2026 e uma distribuição significativa em 2027, com uma segunda geração já em desenvolvimento.

Enquanto a OpenAI difunde os resultados — descritos como “um avanço muito significativo face ao estado da arte” pelo responsável de hardware Richard Ho —, a NVIDIA fechou o segundo trimestre fiscal de 2027, terminado em julho, com receitas de 89 mil milhões de dólares no segmento de centros de dados, mais 117 por cento em termos homólogos. O presidente executivo, Jensen Huang, descreveu a IA como estando “no seu ponto de viragem”, com tokens “produtivos e rentáveis”. A OpenAI, por seu lado, repete que vai continuar a usar aceleradores da NVIDIA e de outros parceiros, mas a mensagem é clara: para inferência em larga escala, o silício próprio pode em breve tornar-se uma alavanca estratégica.

Fica um detalhe nada secundário: os benchmarks publicados cobrem apenas cargas open weights (GPT-OSS 120B, DeepSeek R1 670B e Kimi K2.5 1T) e não incluem nem o treino nem os modelos proprietários. Acrescente-se que a bitola da comparação é a geração Blackwell, quando a NVIDIA já anunciou a arquitetura seguinte, Rubin: a diferença medida hoje é sobre hardware de saída. A vantagem declarada está circunscrita a um cenário específico e, por agora, não foi replicada fora dos laboratórios da OpenAI. A verdadeira pergunta não é quanto mais eficiente é o Jalapeño face ao Blackwell, mas se e quando essa eficiência se tornará um dado público, auditável e escalável.

— Olya