OpenAI mostró en la conferencia Hot Chips los primeros benchmarks de su acelerador de inferencia propio. Según esos resultados, Jalapeño supera tanto a Blackwell como a Rubin, de Nvidia, en rendimiento por watt y en latencia de token.
El chip solo hace inferencia, es decir, ejecuta modelos de IA pero no los entrena. Tampoco está ajustado a los modelos propios de OpenAI: se trata de un acelerador de inferencia de propósito general para modelos de lenguaje.
¿Qué dicen exactamente los números?
OpenAI sostiene que Jalapeño entrega entre 1,5 y 1,9 veces más trabajo de IA por watt en rendimiento máximo, a través de los tres modelos probados, con una latencia extremo a extremo entre 1,7 y 3,6 veces menor que los mejores sistemas disponibles comercialmente. Para cargas interactivas, la compañía declara un rendimiento entre 2,1 y 4,1 veces superior.
| Métrica declarada por OpenAI | Ventaja de Jalapeño |
|---|---|
| Trabajo de IA por watt en rendimiento máximo | 1,5 a 1,9 veces |
| Latencia extremo a extremo | 1,7 a 3,6 veces menor |
| Cargas interactivas | 2,1 a 4,1 veces más rendimiento |
| Tokens por kilowatt a igual velocidad de decodificación | 54 a 104 veces |
Los resultados provienen de pruebas hechas con InferenceX, el banco público de SemiAnalysis. Las cifras las entregó OpenAI y SemiAnalysis verificó algunas corridas en el laboratorio, en terreno. Los modelos evaluados fueron GPT-OSS 120B, DeepSeek R1 670B y Kimi K2.5 de un billón de parámetros. Sobre GPT-OSS, Jalapeño llegó a cerca de 1.400 tokens por segundo por usuario. Sobre DeepSeek R1 superó los 700 tokens por segundo en una única solicitud concurrente.
Un detalle relevante para leer esas cifras: Jalapeño consiguió esos números sin recurrir a técnicas como la predicción multitoken o la decodificación especulativa, mientras que algunos de los sistemas de comparación sí se apoyaban en esas optimizaciones. Es decir, todavía queda margen de mejora.
En su comparación principal de rendimiento por watt, SemiAnalysis escribe que "Jalapeño arrasa con cualquier otro chip". Su director ejecutivo, Dylan Patel, agregó:
"Normalmente los chips de primera generación no son competitivos, pero OpenAI le está ganando a Nvidia Blackwell e incluso a Rubin."
¿Cuál es la comparación justa?
SemiAnalysis apunta que el punto de referencia correcto no es Blackwell sino la plataforma más nueva de Nvidia, Vera Rubin, porque ambas usan memoria HBM4. Incluso ahí, Jalapeño exprime más tokens de salida por megawatt que Vera Rubin, pese a que el acelerador de Nvidia usa la optimización de predicción multitoken que Jalapeño aún no adopta. En costo total de propiedad por token, sin embargo, los dos quedan prácticamente empatados.
Hay reparos que conviene tener a la vista. Nvidia y AMD ya publicaron resultados con modelos más grandes, como DeepSeek V4 Pro y Kimi K3, que todavía no se han probado sobre Jalapeño. Y mientras los sistemas Rubin ya se están despachando a clientes, Jalapeño no habría pasado de la etapa de muestras de ingeniería.
Nueve meses de diseño, con ayuda de sus propios modelos
OpenAI desarrolló Jalapeño junto a Broadcom. El trabajo de diseño arrancó a mediados de 2024 y el diseño final llegó a fabricación en noviembre de 2025. El ciclo completo tomó alrededor de 16 meses, pero la compañía afirma que solo pasaron nueve meses entre el primer diseño del chip y el plano terminado camino a la fábrica.
| Hito | Momento |
|---|---|
| Inicio del trabajo de diseño | mediados de 2024 |
| Diseño final a fabricación | noviembre de 2025 |
| Ciclo completo | cerca de 16 meses |
| Del primer diseño al plano terminado | 9 meses |
Durante el desarrollo, la empresa usó sus propios modelos de IA. Las generaciones antiguas ayudaron en el diseño del chip, según OpenAI, mientras que las más nuevas aceleraron la programación y la optimización.
¿Se está resquebrajando el foso de CUDA?
SemiAnalysis lee ese punto como una señal sobre el famoso foso de CUDA de Nvidia. "El foso de CUDA está potencialmente muerto, dada la velocidad con que OpenAI puede levantar modelos nuevos sobre su propio silicio", escribió la firma.
La directora financiera de OpenAI, Sarah Friar, sitúa el chip dentro de una estrategia de cómputo más amplia, en la que centros de datos, chips, modelos, plataforma de desarrollo, productos y dispositivos operan como un solo sistema integrado. Según Friar, Jalapeño complementa las alianzas existentes de OpenAI con Nvidia, AMD, AWS, Cerebras y CoreWeave, en vez de reemplazarlas.
Esas relaciones son densas: Nvidia, AMD y AWS son inversionistas o socios de cómputo de OpenAI, y Nvidia es de los más grandes. Cada uno de ellos, además, está construyendo sus propios chips de IA, lo que vuelve el vínculo cooperativo y competitivo al mismo tiempo. Vale anotar que todas estas compañías repiten que al mundo nunca le sobra cómputo, un argumento que le conviene a sus propios modelos de negocio.
