De cijfers die OpenAI publiceerde
OpenAI gebruikte de Hot Chips 2026-conferentie op 25 augustus om de eerste openbare benchmarkresultaten voor Jalapeno vrij te geven, de inferentiechip die het in ongeveer negen maanden samen met Broadcom bouwde. Op de InferenceX-benchmark van SemiAnalysis, getest op drie modellen, GPT-OSS-120B, DeepSeek R1 en Kimi K2.5, leverde Jalapeno 1,5 tot 1,9 keer meer AI-werk per watt dan Nvidia's GB300 en verlaagde de end-to-end-latentie met 1,7 tot 3,6 keer, oplopend tot 2,1 tot 4,1 keer bij de meest interactieve belastingen.
De chip heeft een nominaal vermogen van 700 watt, maar bleef bij de geteste belastingen op 550 watt of lager. Eén rack met 128 chips levert 1,7 exaflops aan 4-bit rekenkracht plus 27,5 terabyte HBM4-geheugen, en een volledige pod schaalt naar 2.048 chips. OpenAI plant kleinschalige uitrol tegen eind 2026, met opschaling in 2027.
| Metriek | OpenAI's claim |
|---|---|
| Werk per watt | 1,5 tot 1,9 keer meer dan Nvidia GB300 |
| End-to-end-latentie | 1,7 tot 3,6 keer lager dan Nvidia GB300 |
| Nominaal vermogen | 700 watt, in tests 550 watt of lager |
| Uitroltijdlijn | Kleinschalig tegen eind 2026, opschaling in 2027 |
Waarom een wattgetal in Europa zwaarder weegt dan de kop suggereert
Een echte efficiëntiewinst van deze omvang zou ver buiten OpenAI's eigen datacenters relevant zijn, omdat ze midden in het Europese debat valt over de vraag of het stroomnet de AI-uitbouw überhaupt aankan. Ierlands netbeheerder heeft nieuwe datacenteraansluitingen rond Dublin bevroren tot 2028, en de deze week gemelde piekprijzen in Hongarije laten zien hoe krap de Europese interconnectiecapaciteit al is; een chip die echt 40 procent minder stroom per eenheid AI-werk nodig heeft, zou precies de verlichting van dat knelpunt zijn.
Het gat is dat buiten OpenAI nog niemand de vergelijking heeft overgedaan. De benchmark gebruikte OpenAI's eigen modelselectie, OpenAI's eigen keuze om te vergelijken met de GB300 in plaats van Nvidia's nieuwste Vera Rubin-generatie, en er is geen onafhankelijk laboratoriumresultaat naast gepubliceerd.
Wat te doen met een cijfer van de leverancier zelf
Behandel dit zoals elk inkoopteam een door de leverancier uitgevoerde benchmark zou moeten behandelen: echte informatie, de moeite waard om te volgen, maar nog geen planningscijfer. Onafhankelijke efficiëntiedata komen doorgaans via MLPerf-inferentieresultaten of vergelijkbare laboratoriumtests van derden op hardware die de leverancier niet controleert, en geen van beide bestaat nog voor Jalapeno.
Voor elke EU-infrastructuurplanner, nutsbedrijf of netbeheerder die een aansluitaanvraag behandelt waarin de efficiëntie van een nieuwe chipgeneratie als rechtvaardiging voor capaciteit wordt aangevoerd, is de juiste reactie te vragen welke benchmark het cijfer onderbouwt en wie die heeft uitgevoerd, in plaats van een dia van de leverancier zelf te accepteren als vervanging voor een onafhankelijke test.
Lees hierna: De Nvidia-belasting heeft nu een tweede bron | 74 Van De 130 Gesmokkelde AI-Servers Bereikten China
