OpenAI-მ გამოაქვეყნა თავისი პირველი შიდაწარმოების AI ჩიპის, ჯალაპენიოს (Jalapeño), საჯარო ბენჩმარქის შედეგები — კომპანიის თქმით, ჩიპი შესაბამის Nvidia-ს სისტემებს სისწრაფითა და ენერგოეფექტურობით სჯობნის. 25 აგვისტოს გამოქვეყნებული შედეგები წარმოადგენს პროექტის საჯარო დებიუტს, რომელზეც OpenAI 2024 წლის შუა პერიოდიდან მუშაობს ჩიპების პარტნიორ Broadcom-თან ერთად.
ჯალაპენიო შექმნილია მხოლოდ ინფერენსისთვის — უკვე გაწვრთნილი მოდელების გასაშვებად, არა ახალი მოდელების წვრთნისთვის — და გამოცდილია SemiAnalysis-ის InferenceX ბენჩმარქების ნაკრებით, სამი ღია წონების მოდელზე: GPT-OSS 120B, DeepSeek R1 670B და Kimi K2.5 1T. OpenAI-ის თქმით, ჩიპმა საცნობარო სისტემებთან შედარებით 1.5–1.9-ჯერ მეტი გამტარუნარიანობა აჩვენა ვატზე, პასუხის სრული დაყოვნება 1.7–3.6-ჯერ შეამცირა, ხოლო ინტერაქტიულ დატვირთვებზე 2.1–4.1-ჯერ მაღალ შედეგს მიაღწია. GPT-OSS-ის ტესტი Nvidia-ს GB200-თან შედარებით ჩატარდა, ხოლო DeepSeek-ისა და Kimi-ის შედარებები — Nvidia-ს უფრო ახალ GB300-თან. OpenAI-მ ასევე აღნიშნა, რომ ჯალაპენიოს ენერგომოხმარება 550 ვატს ან ნაკლებს შეადგენდა, მიუხედავად იმისა, რომ ჩიპი 700 ვატზეა გათვლილი.
პირობითი უპირატესობა
ანალიტიკოსები აღნიშნავენ, რომ შედარებას გარკვეული შეზღუდვები აქვს. ჯალაპენიოს ყველაზე პირდაპირი კონკურენტი Nvidia-ს მხრიდან მისი მომავალი Vera Rubin პლატფორმაა, რომელსაც იგივე HBM4 მეხსიერება აქვს — და Rubin სისტემები უკვე მომხმარებლებთან იგზავნება, მაშინ როცა ჯალაპენიო ჯერ კიდევ საინჟინრო ნიმუშის ეტაპზეა. Nvidia-სა და AMD-ს ასევე გამოქვეყნებული აქვთ შედეგები უფრო დიდი მოდელებისთვის, მათ შორის DeepSeek V4 Pro და Kimi K3, რომლებიც ჯერ ჯალაპენიოზე არ გამოცდილა.
OpenAI-მ ჩიპი წარმოადგინა როგორც არსებული მომწოდებლებთან ურთიერთობის დამატება და არა შემცვლელი — პარტნიორებად კვლავ ასახელებს Nvidia-ს, AMD-ს, AWS-ს, Cerebras-სა და CoreWeave-ს. კომპანია გეგმავს, 2026 წლის ბოლომდე ჯალაპენიო მცირე მოცულობით საკუთარ მონაცემთა ცენტრებში დანერგოს, ხოლო უფრო ფართო გაშვება 2027 წელს იგეგმება; მეორე თაობის ჩიპი უკვე დამუშავების პროცესშია, მესამე კი ადრეულ დაგეგმვის ეტაპზეა.
გამოშვება OpenAI-ს უერთებს AI ლაბორატორიებისა და ღრუბლოვანი პროვაიდერების მზარდ ჩამონათვალს, რომლებიც საკუთარ ჩიპებს ქმნიან Nvidia-ს GPU-ებზე დამოკიდებულების შესამცირებლად — მათ შორის Etched-ის სპეციალიზებული ინფერენსის ჩიპები და Google-ის საკუთარი TPU-ები.