25 августа OpenAI представила первые официальные результаты тестирования своего специализированного чипа для инференса Jalapeño, и они выглядят как серьезный вызов гегемонии Nvidia в сегменте ИИ-ускорителей. Согласно моим данным, в бенчмарках компании новый процессор демонстрирует от 1,5 до 1,9 раза большую вычислительную эффективность на ватт и снижение задержки в 1,7–3,6 раза по сравнению с флагманскими системами на базе Nvidia GB200 и GB300.
Для наиболее требовательных интерактивных сценариев разрыв становится еще более впечатляющим: производительность Jalapeño превосходит конкурентов в 2,1–4,1 раза. OpenAI уже анонсировала планы по развертыванию чипа в собственной инфраструктуре до конца 2026 года, что может кардинально изменить экономику их облачных сервисов.
Детальный разбор тестов: три модели, три победы
Для объективности OpenAI использовала публичный бенчмарк InferenceX от SemiAnalysis, который оценивает полный цикл обработки запроса, включая пропускную способность, энергопотребление и латентность. Результаты впечатляют:
GPT-OSS 120B против GB200: пиковая производительность Jalapeño составила 85 448 mixed TPS/кВт против 44 960 у Nvidia (преимущество в 1,9 раза). Полная задержка — 1,03 секунды против 1,8 секунды.
DeepSeek R1 670B против GB300: здесь разрыв в эффективности достиг 19 641 mixed TPS/кВт против 11 781 (в 1,7 раза), а задержка оказалась в 3,6 раза ниже — 1,65 секунды против 5,99 секунды.
Kimi K2.5 1T против GB300: собственный чип OpenAI показал 18 195 mixed TPS/кВт против 11 862, обеспечив задержку 1,56 секунды против 5,31 секунды. Преимущество — в 1,5 и 3,4 раза соответственно.
Важный нюанс: при подсчетах использовались заявленные производителями показатели TDP. Для Jalapeño это 700 Вт, тогда как у GB200 — 1200 Вт, а у GB300 — 1400 Вт. При этом OpenAI отмечает, что фактическое устойчивое энергопотребление их чипа в тестах не превышало 550 Вт, что делает результаты еще более убедительными.
ИИ как инженер: девятимесячный цикл разработки
Отдельного внимания заслуживает методология создания Jalapeño. OpenAI активно использовала собственные ИИ-модели на всех этапах: от поиска архитектурных решений до проверки и оптимизации арифметических блоков. Это позволило сократить путь от концепции до готового к производству дизайна до девяти месяцев — беспрецедентно короткий срок для полупроводниковой отрасли.
Более того, с помощью инструмента Codex на базе GPT-Astra инженерам удалось менее чем за два месяца добиться высокой производительности чипа на трех моделях с открытыми весами, которые изначально не входили в производственный план. Для отдельных компонентов — attention и mixture-of-experts в GPT-OSS — сгенерированные ИИ реализации оказались в 1,5–1,8 раза быстрее написанных вручную.
Стратегический контекст: больше, чем просто чип
Финансовый директор OpenAI Сара Фрайар позиционирует Jalapeño как ключевой элемент вертикально интегрированной инфраструктуры, охватывающей дата-центры, память, сети и ПО. Собственный ускоритель дает компании беспрецедентный контроль над стоимостью инференса и позволяет гибко распределять нагрузки в зависимости от соотношения цены и производительности.
Примечательно, что OpenAI не отказывается от партнеров — в портфель входят Microsoft, Nvidia, AWS, AMD, Broadcom и другие. Экономическая логика здесь проста: снижение стоимости единицы вычислений напрямую улучшает соотношение выручки к инфраструктурным затратам. Фрайар также ссылается на парадокс Джевонса, предполагая, что рост эффективности приведет не к сокращению потребления вычислений, а к взрывному росту числа экономически оправданных ИИ-задач.
Jalapeño — лишь первое поколение. Второе уже находится на продвинутой стадии разработки, а третье — в проектировании. Первые чипы появятся в инфраструктуре OpenAI до конца года.
Мой аналитический вывод: Успех Jalapeño — это не просто технологическая победа, а сигнал о смене парадигмы в индустрии. Если OpenAI удастся масштабировать производство и подтвердить эти показатели в реальной эксплуатации, мы станем свидетелями первого серьезного вызова доминированию Nvidia в сегменте ИИ-инференса за последние годы. Вопрос лишь в том, сможет ли OpenAI сохранить это преимущество в условиях массового производства и растущего спроса.