OpenAI Jalapeño: собственный чип обошёл Nvidia Blackwell
OpenAI представила чип Jalapeño на Hot Chips 2026: ASIC для LLM-инференса превзошёл Nvidia GB300 по производительности на ватт и латентности.
OpenAI выходит на рынок кремния: что такое Jalapeño
OpenAI тихо строила собственный инференс-чип под кодовым названием Jalapeño последние несколько лет, и теперь слухи о его успешном тейпауте (tape-out — финальная передача дизайна в производство) подтвердились официально. 25 августа 2026 года компания представила чип на конференции Hot Chips, одном из ключевых отраслевых событий в мире полупроводников.
Jalapeño — ASIC (Application-Specific Integrated Circuit, специализированная микросхема) совместной разработки OpenAI и Broadcom — показал в 1,5–1,9 раза больше пропускной способности на киловатт мощности и в 1,7–3,6 раза меньшую сквозную задержку по сравнению с серверными системами Nvidia GB200 и GB300 в тесте InferenceX от SemiAnalysis.
Рекордно быстрая разработка
Чип создавался совместно с Broadcom с нуля и предназначен исключительно для LLM-инференса. Работа началась в середине 2024 года: от первого найма до производственного тейпаута прошло около 16 месяцев — исключительно быстрый цикл для ASIC.
OpenAI заявляет, что сам процесс разработки был ускорен с помощью собственных AI-моделей компании, что позволило сжать типичный многолетний цикл создания чипа до девяти месяцев — по версии OpenAI, это рекорд для высокопроизводительных полупроводников.
«Те же модели, которые обслуживают пользователей, помогают улучшать инфраструктуру для запуска будущих моделей» — OpenAI
Ключевые характеристики
Чип рассчитан на TDP (тепловой пакет) 700 Вт, однако в реальных нагрузках измеренное энергопотребление оставалось на уровне 550 Вт и ниже.
Каждый пакет Jalapeño оснащён шестью стеками HBM4, обеспечивая 216 ГБ памяти с пропускной способностью 15,4 ТБ/с — при том что конкурирующий GB300 несёт 288 ГБ памяти HBM3E при TDP 1400 Вт, то есть Jalapeño обеспечивает примерно на 50% больше памяти на ватт.
| Параметр | OpenAI Jalapeño | Nvidia GB300 |
|---|---|---|
| TDP (номинал) | 700 Вт | 1400 Вт |
| Реальное потребление | ≤550 Вт | ~1400 Вт |
| Память | 216 ГБ HBM4 | 288 ГБ HBM3E |
| Пропускная способность памяти | 15,4 ТБ/с | ~8 ТБ/с |
| Throughput/кВт (InferenceX) | +1,5–1,9× vs GB300 | базовый |
| Латентность | в 1,7–3,6× ниже | базовый |
OpenAI будет разворачивать Jalapeño в стойках по 128 чипов, при этом полный под (pod) включает 2048 ASIC. Конфигурация из 128 чипов обеспечивает 1,7 экзафлопс вычислений в формате 4-bit и 27,5 ТБ памяти HBM4.
Результаты бенчмарков
Тестирование охватывало три открытые модели: GPT-OSS 120B, DeepSeek R1 670B и Kimi K2.5 от Moonshot AI на 1 триллион параметров.
Jalapeño показал в 1,5–1,9 раза больше AI-работы на ватт при пиковой пропускной способности и в 1,7–3,6 раза меньшую сквозную задержку. В высокоинтерактивных нагрузках преимущество составило 2,1–4,1 раза.
Примечательно, что все эти результаты получены без Multi-Token Prediction (MTP — предсказание нескольких токенов за один проход) и без speculative decoding (спекулятивного декодирования), тогда как конкурирующие чипы тестировались в оптимальных конфигурациях с MTP.
Как Jalapeño соотносится с Vera Rubin?
Аналитики SemiAnalysis отмечают: сравнение с Blackwell не вполне корректно, поскольку к моменту массового развёртывания Jalapeño конкуренция сместится в сторону следующего поколения.
OpenAI Jalapeño демонстрирует пропускную способность токенов на МВт (STP, Single Token Prediction) выше, чем результаты MTP у Vera Rubin, опубликованные NVIDIA и CoreWeave в июле. Также чип существенно превосходит результаты GB200 2025 года.
По метрике perf/TCO (производительность на совокупную стоимость владения) Vera Rubin и Jalapeño идут практически вровень. При этом результаты Jalapeño получены без speculative decoding, тогда как Vera Rubin его использует.
graph TD
A[OpenAI Jalapeño\n700 Вт / HBM4] -->|+1.5–1.9× throughput/кВт| B[Nvidia GB300\n1400 Вт / HBM3E]
A -->|сопоставимо TCO| C[Nvidia Vera Rubin NVL72\nHBM4 / MTP]
A -->|существенно лучше| D[Nvidia GB200\n2025 / HBM3E]
B -->|5.4× уступает| C
Архитектурная философия: универсальность вместо узкой специализации
Jalapeño обеспечивает одновременно высокую пропускную способность и низкую задержку в рамках единой архитектуры, тогда как существующие аппаратные системы нередко вынуждены идти на компромисс между этими двумя характеристиками.
OpenAI подчёркивает, что Jalapeño — это специализированный ASIC для инференса, а не переработанный тренировочный ускоритель или процессор общего назначения. Архитектура разработана с учётом реального поведения LLM и направлена на устранение узких мест: дорогостоящего перемещения данных, баланса вычислений и памяти, сетевой эффективности.
По словам Ричарда Хо, вице-президента по аппаратным средствам OpenAI, чип спроектирован так, чтобы минимизировать перемещение данных и хранить промежуточные состояния, включая KV-кеш, максимально близко к вычислительному ядру.
Когда и как Jalapeño появится в деле?
По оценке Ричарда Хо, Jalapeño начнёт развёртываться в очень небольших объёмах к концу 2026 года, а более масштабное производство развернётся в 2027-м.
OpenAI планирует сделать Jalapeño мультипоколенческой платформой, в которой AI-продукты, модели, чипы и память будут разрабатываться согласованно.
Jalapeño предназначен исключительно для внутренней инфраструктуры OpenAI — разработчики получают доступ к его мощностям через API компании.
Значение для отрасли
Выход OpenAI на рынок собственного кремния — знаковое событие для всей AI-индустрии. Компания, долгое время полностью зависевшая от GPU Nvidia, теперь демонстрирует, что вертикальная интеграция «модель + чип» даёт ощутимые преимущества по энергоэффективности.
Компания заявляет примерно о 50% снижении стоимости инференса по сравнению с кластерами Nvidia GPU — что напрямую влияет на ценообразование API и доступность сервисов.
Главный вопрос теперь в том, удастся ли OpenAI масштабировать производство до уровня, достаточного для реальной конкуренции с Nvidia — которая тем временем уже поставляет Vera Rubin клиентам и движется к следующему поколению ускорителей.