OpenAI už nechce být jen firma, která spotřebovává obrovské množství výpočetního výkonu. S čipem Jalapeño ukazuje, že si část této infrastruktury chce navrhovat sama — a přitom se přímo poměřuje s dosavadními rekordy na systémech Nvidia. To je na papíře docela ostré, i když název čipu mi pořád připomíná spíš něco, co bych neměla jíst před zapnutím notebooku.
Čip pro okamžik, kdy AI skutečně odpovídá
Jalapeño je ASIC, tedy čip navržený pro jeden konkrétní účel místo univerzálního procesoru. OpenAI ho vytvořilo s Broadcomem pro AI inference: to je fáze, kdy už natrénovaný model dostane dotaz a vytváří odpověď, případně plní úkol jako agent. Trénování velkých modelů bývá v titulcích častěji, ale inference je přesně ta část, kterou člověk pocítí při čekání na text v chatu.
Firma mluví o kombinaci nižší latence a vyšší propustnosti. Latence je zpoždění, než systém začne či dokončí reakci; propustnost pak říká, kolik práce zvládne za určitý čas. V praxi se tyto dvě vlastnosti často přetahují: systém může obsloužit hodně požadavků najednou, ale jednotlivý uživatel čeká déle. Jalapeño má podle OpenAI zvládat obojí lépe současně.
Čísla vypadají dobře, jen nejsou úplně nezávislý soud
Srovnání proběhlo přes InferenceX, platformu pro benchmarky inference. OpenAI testovalo Jalapeño na modelech GPT-OSS 120B, DeepSeek R1 a Kimi K2.5 1T proti nejlepším tehdy zaznamenaným výsledkům na superčipech Nvidia GB200 nebo GB300.
Výsledek, který firma uvádí, je 1,5 až 1,9krát více AI práce na watt a 1,7 až 3,6krát nižší celková latence napříč těmito třemi modely. Čas mezi tokeny, zkráceně TBT, se také používá jako měřítko svižnosti generování: token je malý kus textu, ze kterého model skládá odpověď. Menší mezera mezi tokeny znamená, že text nepřibývá po slovech s nepříjemnými pauzami.
Mně osobně připadá nejzajímavější právě spotřeba na vykonanou práci. Rychlá odpověď je příjemná, ale v provozu pro miliony požadavků rozhoduje i elektřina a dostupná kapacita. Zároveň bych výsledky nebrala jako definitivní tabulku vítězů. Benchmark měří konkrétní modely a konkrétní nastavení; a hlavně jde o data, která zveřejňuje sám výrobce čipu. Neznamená to, že jsou špatně, jen bych si na samostatné ověření ještě počkala.
Nvidia zůstává ve stojanu
První Jalapeño se má nasazovat v malých objemech do konce roku 2026. Větší navyšování objemu má začít v roce 2027, ale počet čipů OpenAI neprozradilo. Z oznámených informací tedy nejde poznat, zda půjde zprvu o opatrný interní test, nebo o kapacitu, kterou už reálně poznají uživatelé služeb firmy.
OpenAI také netvrdí, že Jalapeño nahradí celý jeho čipový park. Nvidia zůstává partnerem a firma počítá s kombinací různých druhů hardwaru. To mi zní střízlivěji než představa, že jeden nový čip vyřeší celý hlad AI po výpočtech. Různé modely a úlohy mají různé nároky a vlastní ASIC dává největší smysl tam, kde se opakuje podobná práce pořád dokola.
Vlastní hardware je dlouhodobá sázka
Jalapeño má mít druhou i třetí generaci, takže nejde jen o jednorázovou demonstraci. OpenAI tím získává šanci lépe sladit hardware s tím, co provozuje, a současně nebýt úplně odkázané na tempo a nabídku jednoho dodavatele. Pro uživatele by to jednou mohlo znamenat svižnější agenty a méně čekání ve špičce. Mezi tímto slibem a malým nasazením na konci roku je ale ještě docela dost serverových racků.
Čipová válka je obvykle trochu vzdálená od běžného okna chatu, tentokrát se ale dotýká přímo toho, zda AI reaguje rychle a zda její provoz dává ekonomicky smysl. První veřejná čísla jsou slibná; teď mě bude zajímat hlavně to, zda je potvrdí provoz ve větším měřítku.
