Liczby opublikowane przez OpenAI
OpenAI wykorzystało konferencję Hot Chips 2026, 25 sierpnia, do przedstawienia pierwszych publicznych wyników testów Jalapeno, chipu inferencyjnego zbudowanego wspólnie z Broadcom w ciągu około dziewięciu miesięcy. W teście InferenceX firmy SemiAnalysis, przeprowadzonym na trzech modelach, GPT-OSS-120B, DeepSeek R1 i Kimi K2.5, Jalapeno wykonywał od 1,5 do 1,9 razy więcej pracy AI na wat niż GB300 Nvidii i skrócił opóźnienie od początku do końca od 1,7 do 3,6 razy, sięgając 2,1 do 4,1 razy przy najbardziej interaktywnych obciążeniach.
Chip ma moc znamionową 700 watów, ale w testowanych obciążeniach pozostawał na poziomie 550 watów lub niżej. Pojedyncza szafa ze 128 chipami dostarcza 1,7 eksaflopa mocy obliczeniowej przy 4 bitach oraz 27,5 terabajta pamięci HBM4, a pełny pod skaluje się do 2048 chipów. OpenAI planuje wdrożenie w małej skali do końca 2026 roku, ze skalowaniem w 2027 roku.
| Miara | Deklaracja OpenAI |
|---|---|
| Praca na wat | Od 1,5 do 1,9 razy więcej niż Nvidia GB300 |
| Opóźnienie od początku do końca | Od 1,7 do 3,6 razy niższe niż Nvidia GB300 |
| Moc znamionowa | 700 watów, w testach 550 watów lub niżej |
| Harmonogram wdrożenia | Mała skala do końca 2026, skalowanie w 2027 |
Dlaczego liczba watów waży w Europie więcej, niż sugeruje nagłówek
Prawdziwy wzrost efektywności tej skali miałby znaczenie daleko poza własnymi centrami danych OpenAI, ponieważ trafia w sam środek europejskiej debaty o tym, czy sieć elektryczna w ogóle udźwignie rozbudowę AI. Irlandzki operator sieci zamroził nowe przyłączenia centrów danych wokół Dublina do 2028 roku, a raportowane w tym tygodniu skoki cen spotowych na Węgrzech pokazują, jak napięta jest już europejska zdolność przesyłowa; chip realnie zużywający o 40 procent mniej energii na jednostkę pracy AI byłby dokładnie taką ulgą dla tego wąskiego gardła.
Luka polega na tym, że poza OpenAI nikt jeszcze nie powtórzył tego porównania. Test wykorzystał własny dobór modeli OpenAI, własną decyzję OpenAI o porównaniu z GB300 zamiast z najnowszą generacją Vera Rubin Nvidii, i nie opublikowano obok żadnego niezależnego wyniku laboratoryjnego.
Co zrobić z liczbą od samego dostawcy
Traktuj to tak, jak każdy zespół zakupowy powinien traktować test przeprowadzony przez dostawcę: jako realną informację, wartą śledzenia, ale jeszcze nie dane planistyczne. Niezależne dane o efektywności zwykle pochodzą z wyników inferencji MLPerf lub równoważnych testów laboratoryjnych stron trzecich na sprzęcie, którego dostawca nie kontroluje, a żadne z nich jeszcze nie istnieje dla Jalapeno.
Dla każdego planisty infrastruktury, przedsiębiorstwa energetycznego czy operatora sieci w UE rozpatrującego wniosek przyłączeniowy, który powołuje się na efektywność nowej generacji chipów jako uzasadnienie mocy, właściwą reakcją jest zapytanie, jaki test stoi za tą liczbą i kto go przeprowadził, a nie zaakceptowanie własnego slajdu dostawcy jako zastępstwa dla niezależnego testu.
Czytaj dalej: Podatek Nvidia ma teraz drugie źródło | 74 Ze 130 Przemyconych Serwerów AI Dotarło Do Chin
