OpenAI ha dado un paso de gigante hacia su ansiada independencia tecnológica con la presentación oficial de Jalapeño, su primer chip de inferencia diseñado internamente. La compañía ha aprovechado la prestigiosa conferencia Hot Chips para mostrar los primeros resultados de rendimiento de su silicio frente a los sistemas comerciales más avanzados.
Los datos compartidos por la firma revelan que este nuevo procesador ofrece un mayor rendimiento por vatio y una menor latencia que el hardware líder del mercado. Para demostrarlo con garantías, las pruebas comparativas se han ejecutado sobre InferenceX, un exigente banco de pruebas público desarrollado por la firma de análisis SemiAnalysis.
Estos ensayos técnicos han puesto a prueba la capacidad del chip frente a tres modelos algorítmicos de enorme tamaño: GPT-OSS 120B, DeepSeek R1 670B y Kimi K2.5 1T. En todos los escenarios evaluados durante la presentación, Jalapeño ha logrado demostrar ventajas medibles y sostenidas frente a los actuales sistemas de referencia de la industria.
Arquitectura unificada para disparar la velocidad
Las cifras concretas obtenidas frente al modelo Kimi K2.5 resultan especialmente llamativas para el sector. El nuevo procesador ha logrado registrar 1,5 veces más rendimiento máximo por vatio y ha conseguido reducir drásticamente la latencia, siendo hasta 3,4 veces más rápido en comparación directa con sus rivales directos.
Richard Ho, el responsable de hardware de OpenAI ha destacado que el equipo puede atender una mayor carga de trabajo por unidad de energía sin sacrificar la velocidad. De hecho, el propio Sam Altman, ha presumido abiertamente en su cuenta de X de la extrema rapidez de respuesta que alcanza este nuevo desarrollo.
El secreto de su éxito técnico reside en el modo de gestionar las dos fases operativas de la inferencia: el prefill (el costoso procesamiento del texto introducido por el usuario) y el decode (la generación de la respuesta final). Jalapeño ha sido diseñado desde cero para gestionar ambas etapas dentro de una misma arquitectura, evitando así la ineficiencia que supone pasar de un sistema a otro.
Alianza industrial con Broadcom
A nivel de consumo energético puro, el chip cuenta con una potencia nominal de 700 W, pero durante las intensas pruebas reales su pico se ha mantenido en 550 W o incluso por debajo. Este complejo desarrollo de ingeniería no se ha realizado en solitario, sino de la mano de Broadcom, un socio industrial que ha aportado su enorme experiencia en infraestructura a gran escala.
Sarah Friar, la directora financiera de OpenAI, enmarca este lanzamiento del hardware dentro de una estrategia global corporativa mucho más ambiciosa. La directiva defiende que el progreso en inteligencia artificial avanza a mayor velocidad cuando todas las capas productivas (centros de datos, chips propios, modelos y productos de consumo) mejoran simultáneamente.
Pese a este importantísimo golpe sobre la mesa, la empresa no tiene ninguna intención de cortar amarras con sus actuales proveedores tecnológicos. OpenAI mantendrá activos sus acuerdos millonarios con Nvidia, AMD, AWS, Cerebras o CoreWeave, lo que le permitirá elegir siempre la opción de computación más eficiente según la tarea requerida.
Despliegue paulatino y prudencia analítica
Disponer de un diseño de silicio propio otorga a los creadores de ChatGPT un control absoluto sobre sus costes de operación a largo plazo. Además, les permite ajustar la arquitectura física del hardware a las necesidades milimétricas de sus propios algoritmos. Según el calendario oficial, el despliegue de Jalapeño arrancará a finales de 2026 en volúmenes muy reducidos, dejando la expansión masiva para 2027 tras completar sus validaciones.
Conviene señalar que, aunque SemiAnalysis ha verificado las ejecuciones en el banco de pruebas, todas las métricas difundidas proceden directamente de OpenAI. La compañía ha mantenido un gran hermetismo y no ha querido revelar por el momento detalles cruciales como el proceso de fabricación exacto, la capacidad total o el coste unitario del sistema.
Más allá del hardware de vanguardia, la empresa ha querido recalcar que la eficiencia operativa también depende de una arquitectura de software pulida. Como ejemplo de esta optimización, han destacado el reciente caso de GPT-5.6 Sol, un modelo que logró batir récords en una compleja prueba de programación gastando un 54% menos de tokens que sus competidores directos.
