OpenAI оприлюднила перші результати тестування власного AI-чипа Jalapeño, призначеного для виконання запитів великих мовних моделей. За даними компанії, у публічному бенчмарку InferenceX прискорювач забезпечив у 1,5–1,9 раза більше AI-роботи на одиницю потужності та в 1,7–3,6 раза нижчу затримку, ніж системи, з якими його порівнювали.
Результати представили 25 серпня 2026 року під час конференції Hot Chips. OpenAI позиціонує Jalapeño не як універсальний процесор для навчання моделей, а як спеціалізоване рішення для inference — етапу, на якому вже готова модель генерує відповіді користувачам.
Що саме показали тести
Тестування проводили за допомогою публічного бенчмарку InferenceX від SemiAnalysis. OpenAI перевіряла Jalapeño на трьох відкритих моделях: GPT-OSS 120B, DeepSeek R1 670B і Kimi K2.5 1T. Компанія заявляє, що чип продемонстрував кращий баланс між пропускною здатністю, енергоефективністю та швидкістю відповіді в усьому діапазоні навантажень.
Для найбільшої з протестованих моделей — Kimi K2.5 із приблизно трильйоном параметрів — OpenAI повідомила про близько 1,5 раза вищу пікову продуктивність на ват і приблизно у 3,4 раза нижчу наскрізну затримку порівняно з системою-конкурентом. Водночас це залишаються заявлені результати тестів, оприлюднені самою OpenAI, а не незалежний аудит реальної роботи чипа в масштабній інфраструктурі.
Як уточнює TechCrunch, у порівнянні фігурувала система на базі Nvidia Blackwell. Видання також зазначає, що до повномасштабного розгортання Jalapeño конкуренти можуть випустити нові покоління прискорювачів, тому нинішня перевага не означає автоматичної перемоги OpenAI на ринку.
Чому OpenAI створює власне залізо
Jalapeño є частиною стратегії OpenAI зі створення власного «повного стека» — від моделей і програмного забезпечення до чипів, пам’яті, мережевого обладнання та систем керування навантаженням. Компанія розробляла процесор разом із Broadcom, а виробничу та системну інтеграцію допомагали забезпечувати партнери.
Архітектуру оптимізували під особливості роботи мовних моделей. Зокрема, OpenAI намагалася зменшити переміщення даних між обчислювальними блоками та пам’яттю, а також скоротити затримки під час двох ключових етапів inference: обробки запиту й генерації відповіді токен за токеном. Для чат-ботів і AI-агентів це має практичне значення, оскільки затримка накопичується на кожному кроці складного завдання.
Окремо OpenAI стверджує, що її моделі допомагали проєктувати й оптимізувати сам чип. За словами компанії, шлях від початкового дизайну до tape-out — передачі готового проєкту мікросхеми у виробництво — зайняв дев’ять місяців. Це маркетингове твердження OpenAI, яке саме по собі не свідчить про готовність процесора до масового використання.
Коли Jalapeño з’явиться в інфраструктурі
OpenAI планує почати розгортання Jalapeño у власній обчислювальній інфраструктурі до кінця 2026 року. За інформацією TechCrunch, спочатку йдеться про невеликі обсяги, тоді як суттєвіше використання очікується вже у 2027 році.
Компанія наголошує, що не відмовлятиметься від Nvidia та інших постачальників. Їхні прискорювачі й надалі використовуватимуться для навчання моделей і частини inference-навантажень. Тому нинішній реліз — це не негайна заміна GPU, а спроба OpenAI поступово зменшити вартість і енергоспоживання обслуговування ChatGPT, Codex та API.
Якщо заявлені показники збережуться під час масштабної експлуатації, користувачі можуть отримати швидші відповіді, стабільніший доступ у періоди пікового попиту, а розробники — нижчу собівартість роботи AI-сервісів. Остаточне значення Jalapeño стане зрозумілим після запуску в дата-центрах і появи результатів на ширшому наборі реальних навантажень.
