Le 25 août, OpenAI a publié les premiers résultats mesurés de sa propre puce pour inférence Jalapeno. Lors des tests de l'entreprise, l'accélérateur a montré 1,5 à 1,9 fois plus de travail informatique par watt et une latence 1,7 à 3,6 fois inférieure à celle des systèmes basés sur Nvidia GB200 et GB300.
Depuis l'annonce de Jalapeño, notre première puce d'inférence personnalisée, nous l'avons testée ainsi que le système qui l'entoure.
Les résultats montrent une avancée majeure : plus d'intelligence pour chaque watt et des réponses plus rapides, offrant à la fois un débit plus élevé et une latence plus faible dans une seule architecture sans… pic.twitter.com/vj7VOrA8pP
– OpenAI (@OpenAI) 25 août 2026
Pour les charges de travail les plus interactives, les performances de Jalapeño étaient 2,1 à 4,1 fois supérieures. OpenAI a l'intention de commencer à déployer le processeur sur sa propre infrastructure d'ici fin 2026.
Jalapeño comparé à trois modèles d'IA
La société a testé l'accélérateur à l'aide du benchmark public InferenceX de SemiAnalysis. Il mesure l'ensemble du processus de traitement des requêtes et permet une évaluation simultanée du débit, de la consommation électrique et de la latence.
Pour GPT-OSS 120B, OpenAI a comparé Jalapeño avec Nvidia GB200. Le processeur propriétaire a montré des performances de pointe par kilowatt environ 1,9 fois supérieures : 85 448 contre 44 960 TPS/kW mixtes. Le retard total était de 1,03 seconde contre 1,8 seconde.
Sur DeepSeek R1 670B, le rival était le GB300. Jalapeño a fourni 19 641 TPS/kW mixtes contre 11 781, ce qui correspond à un avantage d'environ 1,7 fois. Le délai était 3,6 fois inférieur : 1,65 seconde contre 5,99 secondes.
Sur le Kimi K2.5 1T, la propre puce d'OpenAI affichait 18 195 TPS/kW mixtes contre 11 862 pour le GB300. Le retard était de 1,56 seconde contre 5,31 secondes. Ainsi, l’avantage a atteint respectivement environ 1,5 et 3,4 fois.
Lors de la comparaison de la consommation électrique, OpenAI a utilisé la puissance de l'accélérateur déclarée par les fabricants. Pour Jalapeño, le chiffre est de 700 W, pour GB200 – 1 200 W, pour GB300 – 1 400 W. La société a ajouté que la consommation électrique durable réelle de sa puce lors des tests effectués n'a pas dépassé 550 W.
L'IA a aidé à concevoir sa propre puce
OpenAI a utilisé ses modèles d'IA pour créer Jalapeño. Selon les développeurs, cela les a aidés à passer de la conception initiale au transfert de la conception finale à la production en neuf mois. Les réseaux de neurones ont participé à la recherche d'options de mise en œuvre, aux tests de solutions et à l'optimisation des blocs arithmétiques.
L'IA a continué à être utilisée après la création du processeur. À l'aide du Codex optimisé par GPT-Astra, les ingénieurs ont optimisé en moins de deux mois trois modèles à échelle ouverte pour Jalapeño qui ne faisaient pas initialement partie du plan de production.
Pour l'attention individuelle et les blocs mixtes d'experts dans GPT-OSS, les implémentations générées par l'IA se sont avérées 1,5 à 1,8 fois plus rapides que les solutions écrites par les ingénieurs. OpenAI a souligné que l'avantage s'applique uniquement aux composants sélectionnés et non à l'ensemble du modèle.
OpenAI a étendu sa propre pile d'IA
Dans un article distinct sur la stratégie informatique, Sarah Friar, directrice financière d'OpenAI, a décrit Jalapeño comme faisant partie d'une infrastructure plus large intégrée verticalement. Il comprend les centres de données, les processeurs, la mémoire, les réseaux, les modèles d'IA, les logiciels et les produits finaux.
Selon Friar, la puce propriétaire donne à OpenAI plus de contrôle sur le coût de l'inférence et lui permet de sélectionner des équipements pour des tâches spécifiques. L'entreprise a l'intention de diriger les charges de travail là où elle obtient le meilleur rapport performance/prix et de maintenir une « discipline en matière de prix » lorsqu'elle travaille avec des fournisseurs.
Le portefeuille informatique d'OpenAI comprend Microsoft et Nvidia, ainsi que AWSAMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy et SoftBank. L'entreprise a souligné que la création de Jalapeño ne signifie pas l'abandon des accélérateurs tiers. Il continuera à utiliser largement les processeurs partenaires pour la formation et l’inférence.
Le pari économique est de réduire le coût par unité de calcul. OpenAI s'attend à ce que l'augmentation des performances matérielles lui permette de répondre à davantage de requêtes avec les mêmes ressources et d'améliorer le rapport revenus/coûts d'infrastructure.
Friar s’attend à l’effet inverse. Elle a évoqué le paradoxe de Jevons : l’augmentation de l’efficacité peut ne pas réduire la consommation informatique globale, mais l’augmenter en raison de l’émergence de nouvelles tâches économiquement réalisables pour l’IA.
Jalapeño sera la première génération de la propre plateforme d'OpenAI. Le processeur de deuxième génération est déjà à un stade de développement avancé et la société a commencé à concevoir la troisième. Le premier Jalapeño devrait être implémenté dans l’infrastructure OpenAI d’ici la fin de l’année.
Rappelons qu'en août, OpenAI a temporairement ralenti la mise à l'échelle des nouveaux modèles d'IA et suspendu pendant deux semaines la formation de renforcement sur les derniers systèmes destinés à un déploiement ultérieur.
Vous avez trouvé une erreur dans le texte ? Sélectionnez-le et appuyez sur CTRL+ENTRÉE