Las cifras que publicó OpenAI
OpenAI aprovechó la conferencia Hot Chips 2026 del 25 de agosto para publicar los primeros resultados de benchmark de Jalapeno, el chip de inferencia que desarrolló con Broadcom en unos nueve meses. Ejecutado en el benchmark InferenceX de SemiAnalysis sobre tres modelos, GPT-OSS-120B, DeepSeek R1 y Kimi K2.5, Jalapeno entregó entre 1,5 y 1,9 veces más trabajo de IA por vatio frente a la GB300 de Nvidia, y redujo la latencia de extremo a extremo entre 1,7 y 3,6 veces, hasta 2,1 a 4,1 veces en las cargas más interactivas.
El chip tiene una potencia nominal de 700 vatios, pero se mantuvo en 550 vatios o menos en las cargas probadas. Un solo bastidor de 128 chips entrega 1,7 exaflops de cómputo en 4 bits junto con 27,5 terabytes de memoria HBM4, y un pod completo escala hasta 2.048 chips. OpenAI planea un despliegue en volumen reducido para finales de 2026, con escalado durante 2027.
| Métrica | La afirmación de OpenAI |
|---|---|
| Trabajo por vatio | 1,5 a 1,9 veces más que la Nvidia GB300 |
| Latencia de extremo a extremo | 1,7 a 3,6 veces menor que la Nvidia GB300 |
| Potencia nominal | 700 vatios, en pruebas 550 vatios o menos |
| Calendario de despliegue | Volumen reducido para fin de 2026, escalado en 2027 |
Por qué una cifra de vatios pesa más en Europa de lo que sugiere el titular
Una ganancia de eficiencia real de este tamaño importaría mucho más allá de los propios centros de datos de OpenAI, porque llega en pleno debate europeo sobre si la red eléctrica puede sostener siquiera la expansión de la IA. El operador de red de Irlanda ha congelado nuevas conexiones de centros de datos alrededor de Dublín hasta 2028, y los picos de precio spot en Hungría reportados esta semana muestran lo ajustada que ya está la capacidad de interconexión europea; un chip que realmente necesite un 40 por ciento menos de energía por unidad de trabajo de IA sería exactamente el alivio para ese cuello de botella.
El vacío es que, fuera de OpenAI, nadie ha repetido la comparación todavía. El benchmark usó la selección de modelos propia de OpenAI, la decisión propia de OpenAI de comparar con la GB300 en lugar de la generación más reciente Vera Rubin de Nvidia, y no se ha publicado ningún resultado de laboratorio independiente junto a él.
Qué hacer con una cifra del propio proveedor
Trátela como cualquier equipo de compras debería tratar un benchmark ejecutado por el proveedor: información real, que vale la pena seguir, pero todavía no una cifra de planificación. Los datos de eficiencia independientes suelen llegar a través de resultados de inferencia MLPerf o pruebas de laboratorio de terceros equivalentes sobre hardware que el proveedor no controla, y ninguno de los dos existe todavía para Jalapeno.
Para cualquier planificador de infraestructura, empresa eléctrica u operador de red en la UE que reciba una solicitud de conexión que cite la eficiencia de una nueva generación de chips como justificación de capacidad, la respuesta correcta es preguntar qué benchmark respalda la cifra y quién lo ejecutó, no aceptar una diapositiva del propio proveedor como sustituto de una prueba independiente.
Leer a continuación: El impuesto Nvidia ya tiene una segunda fuente | 74 De 130 Servidores De IA Llegaron A China
