Siffrorna OpenAI publicerade
OpenAI använde Hot Chips 2026-konferensen den 25 augusti för att släppa de första offentliga benchmarkresultaten för Jalapeno, inferenschippen bolaget byggde tillsammans med Broadcom på cirka nio månader. Körd på SemiAnalysis InferenceX-benchmark över tre modeller, GPT-OSS-120B, DeepSeek R1 och Kimi K2.5, levererade Jalapeno 1,5 till 1,9 gånger mer AI-arbete per watt än Nvidias GB300 och skar svarstiden från ände till ände med 1,7 till 3,6 gånger, upp till 2,1 till 4,1 gånger vid de mest interaktiva belastningarna.
Chippen har en märkeffekt på 700 watt, men låg på 550 watt eller lägre under de testade belastningarna. Ett enda rack med 128 chip levererar 1,7 exaflops i 4-bitars beräkning samt 27,5 terabyte HBM4-minne, och en full pod skalar till 2 048 chip. OpenAI planerar utrullning i liten skala före slutet av 2026, med skalning genom 2027.
| Mått | OpenAIs påstående |
|---|---|
| Arbete per watt | 1,5 till 1,9 gånger mer än Nvidia GB300 |
| Svarstid från ände till ände | 1,7 till 3,6 gånger lägre än Nvidia GB300 |
| Märkeffekt | 700 watt, i test 550 watt eller lägre |
| Utrullningsplan | Liten skala före slutet av 2026, skalning 2027 |
Varför en watt-siffra väger tyngre i Europa än rubriken antyder
En verklig effektivitetsvinst av den här storleken skulle betyda mycket mer än bara för OpenAIs egna datacenter, eftersom den landar mitt i Europas pågående debatt om huruvida elnätet överhuvudtaget klarar AI-utbyggnaden. Irlands nätoperatör har frusit nya datacenteranslutningar runt Dublin till 2028, och denna veckas rapportering om spotprisspikar i Ungern visar hur ansträngd den europeiska sammankopplingskapaciteten redan är; ett chip som verkligen behöver 40 procent mindre ström per enhet AI-arbete skulle vara precis den lättnad som den flaskhalsen behöver.
Luckan är att ingen utanför OpenAI ännu har upprepat jämförelsen. Benchmarken använde OpenAIs eget modellval, OpenAIs eget val att jämföra med GB300 istället för Nvidias senaste Vera Rubin-generation, och inget oberoende laboratorieresultat har publicerats vid sidan av.
Vad man ska göra med en siffra från leverantören själv
Behandla den som vilket inköpsteam som helst bör behandla en leverantörskörd benchmark: verklig information, värd att följa, men ännu ingen planeringssiffra. Oberoende effektivitetsdata kommer vanligtvis via MLPerf-inferensresultat eller motsvarande tredjepartslaboratorietester på hårdvara som leverantören inte kontrollerar, och ingetdera finns ännu för Jalapeno.
För varje EU-infrastrukturplanerare, elbolag eller nätoperatör som hanterar en anslutningsansökan som anför effektiviteten hos en ny chipgeneration som motivering för kapacitet, är rätt reaktion att fråga vilken benchmark som ligger bakom siffran och vem som körde den, inte att acceptera leverantörens egen bild som ersättning för ett oberoende test.
Läs vidare: Nvidia-skatten har nu en andra källa | 74 Av 130 Smugglade AI-Servrar Nådde Kina
