A OpenAI desenvolveu, com a Broadcom, o Jalapeño, um ASIC — circuito integrado de aplicação específica — feito principalmente para inferência, a etapa em que um modelo já treinado recebe pedidos e gera respostas. Nos resultados InferenceX publicados pela empresa, o chip alcançou de 1,5 a 1,9 vez mais desempenho por watt e de 1,7 a 3,6 vezes menos latência que sistemas selecionados com Nvidia GB200 e Nvidia GB300. É um avanço importante para a economia de servidores de IA, mas não é uma substituição geral da Nvidia.
O que é o Jalapeño
O Jalapeño foi projetado para servir modelos de linguagem em grande escala. Isso muda bastante a prioridade do projeto: em vez de tentar ser uma plataforma flexível para todo tipo de tarefa, o chip pode concentrar recursos em movimentar dados, calcular tokens e responder rapidamente a muitas solicitações simultâneas.
A OpenAI desenvolveu o silício com a Broadcom e pretende usá-lo em sua própria infraestrutura. A empresa afirma que o Jalapeño complementará os aceleradores Nvidia e de outros parceiros, que continuarão importantes tanto para treinamento quanto para diferentes cargas de inferência.
Essa distinção é essencial. Treinar um modelo e servir respostas produzidas por um modelo são problemas relacionados, mas não idênticos. O Jalapeño foi apresentado como uma peça especializada para a segunda tarefa — o trabalho que acontece toda vez que um sistema de IA escreve uma resposta, resume um documento ou executa uma etapa de um agente.
Uma arquitetura feita para manter os dados perto do cálculo
O desenho do Jalapeño usa uma organização de memória segmentada, no estilo NUMA: blocos de cálculo ficam associados a porções locais de memória. A ideia é reduzir deslocamentos desnecessários de dados, um dos gargalos mais incômodos quando modelos enormes precisam gerar tokens continuamente.
O pacote é classificado com consumo de 700 W, enquanto os testes divulgados pela OpenAI foram executados com consumo sustentado de até 550 W nas cargas apresentadas. A arquitetura também separa uma rede coletiva de baixa latência de uma rede geral em chip. Em termos práticos, isso permite tratar a comunicação entre os aceleradores como parte central do projeto, e não como um detalhe deixado para depois.
O sistema foi concebido para crescer além de uma única peça de silício. A descrição técnica prevê até 128 aceleradores em um rack local e até 2.048 ASICs em um pod de 16 racks. O ponto importante, porém, não é decorar a contagem: é entender que o Jalapeño foi pensado como infraestrutura de datacenter desde o início, não como uma placa para instalar em um PC.
Como interpretar os resultados do InferenceX
A OpenAI comparou o Jalapeño com sistemas Nvidia GB200 e Nvidia GB300 em três modelos: GPT-OSS 120B, DeepSeek R1 670B e Kimi K2.5 1T. Os números de desempenho por watt normalizam a produção de tokens pelo consumo do pacote, enquanto a métrica por usuário ajuda a mostrar o ritmo de decodificação em uma sessão individual.
Nos resultados publicados, o Jalapeño registrou 85.448 tokens mistos por segundo por quilowatt contra 44.960 do Nvidia GB200 com GPT-OSS 120B. Com DeepSeek R1 670B, foram 19.641 contra 11.781 do Nvidia GB300; com Kimi K2.5 1T, 18.195 contra 11.862 do Nvidia GB300.
A métrica de tokens por usuário também favoreceu o Jalapeño: 1.459 contra 535 com GPT-OSS 120B, 700 contra 169 com DeepSeek R1 670B e 694 contra 182 com Kimi K2.5 1T. São diferenças expressivas — e justamente por isso vale olhar para as condições antes de transformar o gráfico em manchete definitiva.
A comparação usa pontos de operação específicos, inclusive cenários voltados a reduzir a latência. O número de até 104,3 vezes mais throughput citado em uma comparação representa um ponto de operação favorável ao Jalapeño, associado ao ponto de menor latência da Nvidia; ele não significa que o chip seja 104,3 vezes mais rápido em qualquer situação.
Os resultados numéricos foram fornecidos pela OpenAI. Parte das execuções foi observada no laboratório da empresa, mas a avaliação completa das suítes InferenceX e AgentX não foi realizada. Assim, os dados são um sinal forte sobre as cargas apresentadas, não uma prova de desempenho universal em qualquer modelo, contexto ou fluxo de trabalho.
Software, Codex e co-projeto de hardware
O ganho potencial não vem apenas do chip. A OpenAI está ajustando hardware, memória, rede, modelos e software para um conjunto conhecido de cargas. O projeto usa colocação explícita de dados e o ambiente Gluon, baseado em abstrações de baixo nível relacionadas ao Triton.
A empresa também afirma ter usado seus modelos e o Codex para auxiliar na exploração do projeto, na otimização de circuitos, no desenvolvimento de kernels, na colocação de dados e no agendamento de tarefas. Isso descreve assistência em partes do processo de engenharia — não um chip produzido de forma autônoma por uma IA sem arquitetura, verificação e validação humanas.
Essa especialização é uma faca de dois gumes. Quando o hardware e o software são desenhados em conjunto para cargas previsíveis, há mais espaço para otimizar latência, energia e movimentação de dados. Em troca, a solução tende a ser menos portátil que uma plataforma geral com um ecossistema amplo de ferramentas e aplicações.
Do RTL ao silício em nove meses
A linha do tempo divulgada pela OpenAI situa o início do trabalho de RTL em fevereiro de 2025 e o tape-out — a entrega do projeto final para fabricação — em novembro do mesmo ano. O primeiro silício chegou em maio de 2026, segundo a descrição técnica do projeto.
O Jalapeño foi apresentado publicamente pela OpenAI e pela Broadcom em 24 de junho de 2026. Os primeiros resultados medidos foram publicados em 25 de agosto de 2026. A empresa planeja começar a implantação em sua própria infraestrutura até o fim de 2026 e espera ampliar a produção em 2027; isso é um plano anunciado, não uma disponibilidade concluída.
Uma alternativa especializada, não um substituto universal
A resposta curta para a pergunta “o Jalapeño substitui a Nvidia?” é: não. A própria OpenAI diz que continuará usando aceleradores Nvidia e de outros parceiros. O Jalapeño pode reduzir a dependência de uma única plataforma em tarefas específicas, mas não elimina a necessidade de hardware para treinamento, cargas variadas e ambientes em que a flexibilidade do ecossistema Nvidia pesa mais.
Também é importante não confundir a comparação publicada com uma disputa definitiva de gerações. Os testes divulgados confrontam o Jalapeño com configurações Nvidia GB200 e Nvidia GB300; eles não incluem a plataforma Vera Rubin. Portanto, os resultados não estabelecem como o chip se sairia diante dela.
A evidência pública apresentada tampouco mostra como o Jalapeño se comporta em fluxos complexos de agentes, com contexto longo, várias rodadas e muitas etapas encadeadas. Esse é um cenário especialmente sensível à latência, mas não dá para projetar um resultado a partir dos números InferenceX disponíveis.
O que a OpenAI está construindo, portanto, é uma camada própria para a parte mais repetitiva e cara da operação de IA: servir respostas em escala. Se os ganhos se confirmarem em mais cargas e a implantação planejada avançar, o Jalapeño poderá melhorar a economia da infraestrutura da empresa. Por enquanto, a leitura mais precisa é menos cinematográfica — e mais interessante: a OpenAI está criando um acelerador especializado para negociar melhor custo, energia e controle, enquanto mantém a Nvidia dentro da equação.
