Os números que a OpenAI publicou
A OpenAI aproveitou a conferência Hot Chips 2026, a 25 de agosto, para divulgar os primeiros resultados públicos de testes do Jalapeno, o chip de inferência que construiu com a Broadcom em cerca de nove meses. Executado no teste InferenceX da SemiAnalysis, sobre três modelos, GPT-OSS-120B, DeepSeek R1 e Kimi K2.5, o Jalapeno entregou entre 1,5 e 1,9 vezes mais trabalho de IA por watt do que a GB300 da Nvidia, e reduziu a latência ponta a ponta entre 1,7 e 3,6 vezes, chegando a 2,1 a 4,1 vezes nas cargas mais interativas.
O chip tem potência nominal de 700 watts, mas manteve-se em 550 watts ou menos nas cargas testadas. Uma única bastidor com 128 chips entrega 1,7 exaflops de computação em 4 bits, além de 27,5 terabytes de memória HBM4, e um pod completo escala até 2048 chips. A OpenAI planeia uma implementação em volume reduzido até ao final de 2026, com escalonamento ao longo de 2027.
| Métrica | A afirmação da OpenAI |
|---|---|
| Trabalho por watt | 1,5 a 1,9 vezes mais do que a Nvidia GB300 |
| Latência ponta a ponta | 1,7 a 3,6 vezes inferior à Nvidia GB300 |
| Potência nominal | 700 watts, nos testes 550 watts ou menos |
| Calendário de implementação | Volume reduzido até final de 2026, escalonamento em 2027 |
Porque um número de watts pesa mais na Europa do que o título sugere
Um ganho de eficiência real desta dimensão importaria muito além dos próprios centros de dados da OpenAI, porque chega no meio do debate europeu sobre se a rede elétrica consegue sequer suportar a expansão da IA. O operador de rede da Irlanda congelou novas ligações de centros de dados em torno de Dublin até 2028, e os picos de preço spot na Hungria reportados esta semana mostram como a capacidade de interligação europeia já está apertada; um chip que realmente precisasse de menos 40 por cento de energia por unidade de trabalho de IA seria exatamente o alívio para esse estrangulamento.
A lacuna é que, fora da OpenAI, ninguém repetiu ainda a comparação. O teste usou a seleção de modelos própria da OpenAI, a decisão própria da OpenAI de comparar com a GB300 em vez da geração mais recente Vera Rubin da Nvidia, e não foi publicado qualquer resultado de laboratório independente ao lado.
O que fazer com um número do próprio fornecedor
Trate-o como qualquer equipa de compras deveria tratar um teste executado pelo fornecedor: informação real, que vale a pena acompanhar, mas ainda não um dado de planeamento. Os dados de eficiência independentes chegam normalmente através de resultados de inferência MLPerf ou testes de laboratório equivalentes de terceiros em hardware que o fornecedor não controla, e nenhum dos dois existe ainda para o Jalapeno.
Para qualquer planeador de infraestrutura, empresa de energia ou operador de rede na UE que trate um pedido de ligação que cite a eficiência de uma nova geração de chips como justificação de capacidade, a resposta correta é perguntar que teste sustenta o número e quem o executou, não aceitar um diapositivo do próprio fornecedor como substituto de um teste independente.
Leia a seguir: O imposto Nvidia já tem uma segunda fonte | 74 De 130 Servidores De IA Chegaram À China
