A OpenAI publicou nesta terça-feira, 25 de agosto de 2026, os primeiros resultados medidos do Jalapeño, seu primeiro chip próprio para inferência de inteligência artificial. Nos testes apresentados pela empresa, o acelerador combinou mais trabalho por watt com menor latência ao executar três modelos de pesos abertos. O resultado é relevante porque inferência é a etapa em que modelos já treinados respondem aos usuários. Ainda assim, os números não significam que o chip já esteja disponível para clientes, que todas as cargas terão o mesmo ganho ou que a comparação encerre a disputa com fornecedores comerciais.
Imagem de destaque: ilustração editorial original criada para o Bastidores da IA. Não é fotografia do Jalapeño, captura de laboratório, diagrama oficial nem prova de desempenho.
Quando isso aconteceu
A OpenAI e a Broadcom anunciaram o Jalapeño em junho de 2026. Na apresentação inicial, as empresas informaram que o projeto combinava arquitetura desenhada pela OpenAI, implementação de silício e conectividade da Broadcom e experiência de placas, racks e sistemas da Celestica. Naquela ocasião, o desempenho ainda estava em medição e a implantação inicial era prevista para o fim de 2026.
Em 25 de agosto, a OpenAI publicou dois textos complementares. O relato de engenharia detalha os testes e a arquitetura. Já a análise corporativa de Sarah Friar enquadra o chip dentro de uma estratégia que reúne modelos, software de atendimento, memória, redes, data centers e produtos.
Esta matéria foi preparada no mesmo dia da divulgação. Ela descreve resultados iniciais publicados pela própria OpenAI e as limitações declaradas nas fontes. Não houve teste independente realizado pelo Bastidores da IA.
O que a OpenAI publicou
Jalapeño é apresentado como um acelerador voltado principalmente à inferência de modelos de linguagem, com atenção especial a cargas interativas e agentes que fazem várias chamadas sequenciais. A empresa afirma ter projetado chip, memória, rede, software e sistema em escala de rack como uma unidade. A intenção é reduzir o tempo gasto para mover estado entre componentes e manter dados como o cache KV próximos do processamento que precisa deles.
Essa distinção importa porque servir um modelo não é uma operação única. Primeiro, o sistema processa o prompt, etapa conhecida como prefill e mais dependente de computação. Depois, produz a resposta token por token, fase de decode que costuma exigir muita largura de banda de memória. Em uma aplicação com agentes, atrasos pequenos podem se acumular quando uma etapa depende da anterior.
A OpenAI diz que o Jalapeño alcançou uma combinação melhor de throughput, latência e eficiência energética do que os sistemas comerciais usados como referência. Throughput indica quanto trabalho o sistema atende em determinado período. Latência mede o tempo percebido antes e durante a resposta. Um equipamento pode aumentar throughput usando lotes maiores, mas deixar cada usuário esperando mais. Por isso, observar as duas dimensões é mais útil do que divulgar apenas um pico.
Como o benchmark foi feito
Os resultados foram produzidos no InferenceX, conjunto público de testes da SemiAnalysis. Segundo a descrição oficial do projeto, o benchmark mede configurações completas de hardware e software e publica receitas, execuções e artefatos para auditoria. A plataforma separa desempenho de infraestrutura de qualidade do modelo: servir tokens rapidamente não prova que uma resposta esteja correta.
No recorte divulgado pela OpenAI, os testes usaram sequências nominais de 8 mil tokens de entrada e mil tokens de saída. Foram avaliados GPT-OSS 120B, DeepSeek R1 670B e Kimi K2.5 1T. A comparação cobre modelos de tamanhos e arquiteturas diferentes, o que ajuda a verificar se o acelerador funciona fora de uma única família.
Para comparar eficiência, a OpenAI normalizou resultados pela potência nominal publicada de cada acelerador. Jalapeño tem classificação de 700 watts, embora a empresa informe consumo sustentado de até 550 watts nas cargas testadas. Os gráficos citam sistemas baseados em GB200, com 1.200 watts, e GB300, com 1.400 watts, conforme o modelo avaliado.
Essa metodologia permite calcular throughput por quilowatt, mas exige leitura cuidadosa. Potência nominal não é a mesma coisa que energia total medida na tomada para um data center inteiro. Resfriamento, rede, memória, utilização média e configuração do software influenciam o custo real de operação. A própria fonte apresenta o resultado como comparação de sistemas nos pontos testados, não como uma conta universal de infraestrutura.
Quais números foram divulgados
Em resumo, a OpenAI afirma que, nos três modelos, o Jalapeño entregou entre 1,5 e 1,9 vez mais trabalho por watt no pico de throughput. A latência de ponta a ponta teria sido entre 1,7 e 3,6 vezes menor. Em cargas altamente interativas, o ganho informado ficou entre 2,1 e 4,1 vezes.
No GPT-OSS 120B, o apêndice mostra aproximadamente 1,9 vez mais throughput misto por quilowatt do que o sistema comparado, com 85.448 contra 44.960 unidades da métrica adotada. A latência de ponta a ponta aparece como 1,03 segundo contra 1,80 segundo. O tempo mínimo entre tokens, chamado TBT, ficou em 0,69 milissegundo contra 1,87 milissegundo.
No DeepSeek R1 670B, o ganho de pico por quilowatt divulgado foi de aproximadamente 1,7 vez. A latência de ponta a ponta ficou em 1,65 segundo no Jalapeño e 5,99 segundos no sistema de comparação. No Kimi K2.5 1T, a OpenAI relata cerca de 1,5 vez mais desempenho de pico por watt e latência de 1,56 segundo contra 5,31 segundos.
Esses números devem permanecer ligados às condições em que foram produzidos. Alterar tamanho de entrada e saída, precisão numérica, paralelismo, implementação dos kernels, mecanismo de atendimento ou nível de concorrência pode mudar a curva. Um único multiplicador destacado fora do gráfico perde a relação entre velocidade por usuário e volume total atendido.
O que os testes não provam
Primeiro, o benchmark mede infraestrutura de inferência, não inteligência. Ele não mostra se o GPT-OSS, o DeepSeek ou o Kimi respondem melhor no Jalapeño. O modelo e a tarefa precisam de avaliações próprias de qualidade, segurança e precisão.
Segundo, a divulgação não apresenta preço do chip, custo completo do rack, rendimento de fabricação, volume disponível ou custo por milhão de tokens para clientes. Eficiência por watt é parte da economia, mas não substitui aquisição, manutenção, software, rede e depreciação.
Terceiro, os resultados foram publicados pela empresa que desenvolveu o acelerador. O uso de um benchmark público melhora a auditabilidade, mas a interpretação continua exigindo acesso aos artefatos, reprodução por terceiros e comparação com configurações atualizadas dos concorrentes.
Quarto, o Jalapeño ainda não está descrito como produto comercial de compra direta. A OpenAI planeja começar a implantá-lo em sua própria infraestrutura até o fim do ano. A empresa diz estar qualificando produção, amadurecendo o software, preparando operação em escala e validando mais modelos. Portanto, resultado de laboratório e disponibilidade operacional são etapas diferentes.
Por que um chip próprio interessa à OpenAI
Controlar uma alternativa própria dá à OpenAI mais opções para direcionar cargas. A empresa continua dizendo que usará aceleradores da NVIDIA e de outros parceiros em treinamento e inferência. O Jalapeño não foi apresentado como substituto imediato de todo esse parque, mas como uma rota adicional para cargas em que integração vertical ofereça vantagem.
Essa escolha reduz a dependência de uma única arquitetura e cria pressão econômica nas negociações de capacidade. Também permite ajustar hardware e software com base no comportamento dos produtos da própria OpenAI. A empresa afirma que gerações futuras já estão em andamento, com a segunda em desenvolvimento avançado e a terceira em definição.
O tema conversa com uma mudança maior no mercado. Modelos mais usados transferem o peso econômico do treinamento ocasional para a inferência contínua. Cada conversa, chamada de API ou passo de um agente consome capacidade. Quando milhões de solicitações se repetem, diferenças pequenas de energia e latência ganham escala.
O papel da IA no desenvolvimento do chip
A OpenAI também afirma ter usado seus modelos para acelerar o projeto. Segundo o relato, a equipe passou do desenho inicial ao tapeout em nove meses, com IA ajudando a explorar implementações, verificar circuitos e encurtar ciclos de medição. Tapeout é a etapa em que o projeto é finalizado para fabricação, não a conclusão de toda a qualificação de produção.
Depois, modelos teriam ajudado a programar o acelerador. A empresa diz que usou Codex com GPT-Astra para levar três modelos de pesos abertos, que não faziam parte do plano original, a alto desempenho em dois meses. Em blocos selecionados de atenção e mixture-of-experts do GPT-OSS, implementações geradas por IA teriam rodado entre 1,5 e 1,8 vez mais rápido do que versões escritas por especialistas humanos.
Esse último resultado vale para blocos selecionados, não para o modelo inteiro. A própria OpenAI faz essa ressalva. Transformá-lo em uma alegação de que IA programou todo o chip melhor do que engenheiros seria incorreto.
Fatos confirmados e análise editorial
É fato confirmado nas fontes que a OpenAI publicou resultados do Jalapeño em 25 de agosto de 2026, usou três modelos de pesos abertos no teste, apresentou medições de throughput, latência e potência e planeja implantação inicial até o fim do ano. Também é fato que a empresa mantém sua estratégia com vários parceiros de computação.
É alegação da OpenAI que o chip lidera a combinação de velocidade e eficiência nos pontos comparados. Os números são específicos e o benchmark é público, mas o Bastidores da IA não reproduziu as execuções nem auditou o hardware.
É análise editorial concluir que o maior valor do anúncio está na capacidade de operar uma alternativa própria e integrar decisões de modelo, software e silício. Mesmo que concorrentes recuperem a liderança em novos testes, essa opção pode influenciar custo, oferta e prioridade de implantação.
Também é análise editorial dizer que o efeito para usuários ainda não está demonstrado. Respostas mais rápidas e custos menores são possibilidades plausíveis, mas dependem de onde o chip será instalado, quais produtos receberão a capacidade e se a economia será repassada em preço, limite ou disponibilidade.
Perguntas que continuam abertas
- Qual fabricante produzirá o silício em volume e qual será a capacidade inicial?
- Quantos chips e racks entrarão em operação até o fim de 2026?
- Quais produtos da OpenAI usarão Jalapeño primeiro?
- Como o custo completo do sistema se compara a alternativas comerciais?
- Os artefatos e resultados serão reproduzidos por laboratórios sem participação da OpenAI?
- Como o desempenho muda com contextos maiores, agentes de várias etapas e diferentes precisões?
- Quais métricas de confiabilidade e disponibilidade serão publicadas após a implantação?
Por que isso ainda importa
O anúncio mostra que a disputa de IA não acontece apenas entre modelos. Ela inclui energia, memória, rede, software de atendimento e capacidade de fabricar sistemas em escala. Para empresas que contratam APIs, essa infraestrutura costuma ficar invisível, mas determina latência, disponibilidade e parte do preço.
Para equipes técnicas, a lição prática é não escolher uma plataforma por um número isolado. É preciso observar a tarefa real, o tamanho dos prompts, a sequência de chamadas, a latência aceitável e o custo total. O Bastidores discutiu essa lógica no comparativo entre vLLM e TGI, voltado a quem opera servidores de modelos.
Para usuários finais, nada muda automaticamente hoje. Não há novo plano, preço ou botão associado ao Jalapeño. A mudança poderá aparecer de forma indireta se a OpenAI conseguir atender mais solicitações com menos energia e menor espera. Até lá, os resultados são um sinal técnico importante, não uma promessa de benefício já entregue.
Fontes consultadas em 25 de agosto de 2026
- OpenAI: primeiros resultados do Jalapeño em inferência, publicado em 25 de agosto de 2026.
- OpenAI: estratégia de infraestrutura integrada, publicado em 25 de agosto de 2026.
- OpenAI e Broadcom: anúncio original do chip de inferência Jalapeño, publicado em junho de 2026.
- InferenceX: descrição, métricas e reprodutibilidade do benchmark, consultado em 25 de agosto de 2026.
Transparência: o Bastidores da IA não recebeu acesso ao chip, não executou o benchmark e não verificou custos de produção. Os resultados numéricos são atribuídos à OpenAI. A análise separa desempenho publicado, limitações metodológicas e possíveis efeitos futuros.