Chip Jalapeño de OpenAI: benchmarks frente a Nvidia GB300

OpenAI ha pasado de promesas de silicio propio a números públicos. El 25 de agosto de 2026, en Hot Chips, presentó Jalapeño, su primer ASIC de inferencia a medida, co-desarrollado con Broadcom. El relato ya no es vaporware: hay benchmarks frente a sistemas Nvidia Blackwell y un mensaje claro de eficiencia energética.

Richard Ho, responsable de hardware de OpenAI, situó Jalapeño como un avance significativo en SemiAnalysis InferenceX frente a procesadores de inferencia de referencia: más tokens por usuario y más throughput por kilovatio, según la cobertura de TechCrunch.

Qué dicen los números

La cobertura técnica (TechTimes, resumiendo cifras de OpenAI y SemiAnalysis) habla de entre 1,5 y 1,9 veces más trabajo de IA por vatio a throughput pico, y de entre 1,7 y 3,6 veces menos latencia extremo a extremo frente a sistemas Nvidia GB200/GB300, en tres modelos abiertos de prueba.

Jalapeño se sitúa en torno a ~700 W, por debajo de los aceleradores Nvidia de comparación con mayor rating térmico. SemiAnalysis verificó parte de las corridas en el laboratorio de OpenAI, pero los resultados siguen siendo suministrados por OpenAI: conviene leerlos como claim medido, no como ranking independiente cerrado.

Esa distinción importa. Un laboratorio propio, aunque con testigos de SemiAnalysis en algunas corridas, no equivale a un bake-off multi-vendor en un datacenter de terceros. Aun así, sacar InferenceX a Hot Chips marca un cambio de tono: OpenAI quiere que el mercado hable de eficiencia medible, no solo de GPUs alquiladas.

Diseño: menos movimiento de datos

El chip está pensado para minimizar el movimiento de datos y mantener la caché KV local durante la inferencia. Ese enfoque ataca el cuello de botella típico de servir modelos grandes a escala: no solo FLOPS brutos, sino energía y latencia cuando el KV cache viaja de más.

Co-desarrollar con Broadcom encaja con la vía ASIC custom + partner de fabricación/IP, frente a comprar solo GPUs de catálogo. Para operadores cloud y clientes enterprise, la pregunta práctica es coste por token y densidad de rack, no la marca del die.

Cuándo llega al datacenter

Ho estimó un despliegue de volumen muy pequeño a finales de 2026 y un rollout mayor en 2027. Es decir: Hot Chips marca el debut técnico; la flota real aún está en curva de producción.

Para lectores de Rocks, Jalapeño importa porque mueve la rivalidad OpenAI–Nvidia del marketing al terreno de tokens por vatio y latencia medible. Si los números se sostienen fuera del laboratorio, cambia la conversación sobre coste de cloud AI y sobre cuánto tiempo Nvidia puede monopolizar la inferencia a escala. Mientras tanto, GB300 sigue siendo el estándar de compra; Jalapeño es la primera señal seria de que OpenAI quiere fabricar su propia curva de coste.

Fuente: TechCrunch — OpenAI Jalapeño Hot Chips; también TechTimes y TechRadar Pro.