OpenAI julkaisi tiistaina ensimmäiset mittaustulokset Jalapeño-sirustaan. Yhtiön oma päättelypiiri ylsi SemiAnalysisin InferenceX-vertailussa parempaan suorituskykyyn kuin markkinoiden nopeimmat kaupalliset järjestelmät. Tulokset esiteltiin Hot Chips -konferenssissa, ja SemiAnalysis pääsi ajamaan testit OpenAI:n laboratoriossa paikan päällä.
Jalapeño on OpenAI:n ensimmäinen oma siru. Se on suunniteltu pelkästään päättelyyn eli valmiin mallin ajamiseen, ei koulutukseen. Kehitys alkoi vuoden 2024 puolivälissä yhdessä Broadcomin kanssa, ja ensimmäinen tape-out valmistui marraskuussa 2025. ASIC-piirille se on poikkeuksellisen nopea aikataulu.
Arkkitehtuuri karsii tiedonsiirtoa
Jalapeño on rakennettu tyhjältä pöydältä suurten kielimallien päättelyyn. OpenAI:n mukaan suunnittelun lähtökohtana oli datan liikkeen ja kommunikaatioviiveiden minimointi. Juuri ne muodostuvat pullonkauloiksi tavallisissa järjestelmissä.
Käytännössä ratkaisu tarkoittaa, että mallin tila voidaan sijoittaa fyysisesti lähelle laskentaa. Myös vastauksen tuottamisessa käytettävä KV-välimuisti pysyy paikallisena koko generoinnin ajan. Järjestelmä aktivoi kuhunkin päättelyvaiheeseen sopivan yhdistelmän laskentaa, muistia ja verkkoa.
Piiri ei ole viritetty vain OpenAI:n omille malleille, vaikka julkisuudessa on toisin väitetty. SemiAnalysis kuvaa sitä yleiskäyttöiseksi päättelysiruksi, joka ajaa monenlaisia malleja ja kuormia. Testit ajettiin kolmella julkisella mallilla juuri tästä syystä.
OpenAI kertoo hyötyneensä omista malleistaan sirun kehityksessä. Aiemmat mallisukupolvet auttoivat suunnittelussa ja käyttöönotossa, uusimmat optimoinnissa ja ohjelmoinnissa. Havainnollistuksena yhtiö näytti SemiAnalysisille piirillä pyörivän Doomin, joka oli portattu sille pelkillä Codex-kehotteilla.
Mittaustulokset kolmella avoimella mallilla
Testimalleiksi valikoituivat GPT-OSS 120B, DeepSeek R1 670B ja Kimi K2.5 1T. Kaikilla kolmella Jalapeño tuotti 1,5–1,9 kertaa enemmän työtä wattia kohti kuin verrokkijärjestelmä. Kokonaisviive oli samaan aikaan 1,7–3,6 kertaa matalampi.
Vuorovaikutteisissa kuormissa ero kasvoi selvästi. Niissä Jalapeño ylsi 2,1–4,1 kertaa parempaan suorituskykyyn. Testin suurimmalla mallilla eli Kimi K2.5:llä piiri tuotti noin 1,5-kertaisen huipputehon wattia kohti ja 3,4 kertaa matalamman kokonaisviiveen.
Tyypillisesti laitteistossa joudutaan valitsemaan läpimenon ja viiveen välillä. OpenAI:n laitteistojohtaja Richard Ho kuvasi Jalapeñoa lehdistötilaisuudessa molempien maailmojen parhaaksi puoleksi. Sama arkkitehtuuri palvelee sekä suurta käyttäjämäärää että matalaa vasteaikaa.
Yhtiö korostaa, että vertailu kannattaa tehdä tehonkulutusta eikä sirumäärää kohti. Jalapeño on luokiteltu 700 watin piiriksi, mutta mitattu jatkuva kulutus pysyi testikuormissa 550 watissa tai sen alle. Sisäisissä testeissä ero verrokkiin kasvoi vielä suuremmaksi OpenAI:n omilla huippumalleilla.
Vertailun rajat kannattaa lukea tarkkaan
SemiAnalysis pääsi varmistamaan InferenceX-ajot paikan päällä, mutta nostaa esiin useita varauksia. Kaikki luvut tulivat OpenAI:lta, eikä koko testisarjaa ajettu läpi. Pitkän kontekstin ja monivuoroisten keskustelujen AgentX-tuloksia ei nähty lainkaan.
AgentX on SemiAnalysisin oma suosikkimittari juuri siksi, että se muistuttaa oikeaa tuotantokuormaa. Yhden kierroksen testi ei rasita reitittimiä, prefix-välimuistia eikä muistin siirtoa samalla tavalla. Hyvä tulos kevyessä testissä ei siis takaa hyvää tulosta tuotannossa.
Painavin varaus koskee verrokkia. Vertailu tehtiin Nvidian Blackwell-järjestelmää vastaan, vaikka Jalapeñon todellinen kilpailija on HBM4-muistia käyttävä Rubin. Vera Rubin -järjestelmiä toimitetaan asiakkaille jo nyt, kun taas Jalapeñosta on lähinnä insinöörinäytteitä.
SemiAnalysisin oman vertailun mukaan Jalapeño voittaa myös Rubinin heinäkuiset lukemat. Jalapeñon tulokset saatiin ilman spekulatiivista dekoodausta, jota Rubinin luvuissa käytettiin. Molempien piirien ohjelmistot ovat vielä kypsymässä, joten suorituskyky nousee kummallakin.
Käyttöönotto alkaa pienessä mittakaavassa
OpenAI aikoo ottaa Jalapeñon käyttöön omassa laskentainfrastruktuurissaan vuoden loppuun mennessä. Ho arvioi ensimmäisen vaiheen volyymit hyvin pieniksi. Laajempi käyttöönotto siirtyy vuodelle 2027.
Piiri ei korvaa yhtiön muuta laitteistoa. Ho kuvasi OpenAI:n laskentastrategiaa kumppanuuksien varaan rakentuvaksi ja mainitsi Nvidian erikseen hyvänä kumppanina. Jalapeño on siis lisä valikoimaan, ei korvaaja.
Kyseessä on ensimmäinen sukupolvi monivuotisella tiekartalla. Toinen sukupolvi on jo pitkällä kehityksessä ja kolmas hahmottumassa. Testeissä käytetystä A0-piiriversiosta on lisäksi valmistuksessa B0-versio, joka parantaa suorituskykyä wattia kohti noin neljänneksellä.
Seuraava tavoite on sadan megawatin luokka. Esteet ovat siinä vaiheessa pääosin laitteistopuolella: valmistusmäärät, konesalien käyttöönotto, valvonta ja vikasietoisuus. Ohjelmistopuoli on jo osoitettu toimivaksi.
Yhteenveto
Jalapeñon ensimmäiset luvut ovat vahvat, ja ne syntyivät poikkeuksellisen nopeasti. Tape-outista kului yhdeksän kuukautta ja piin käyttöönotosta kolme, ja ohjelmistopino rakennettiin nollasta. Sen rinnalla Nvidian CUDA-etumatka näyttää aiempaa ohuemmalta.
Käytännön merkitys ratkeaa silti vasta tuotannossa. Vertailu Blackwelliin imartelee, todelliset volyymit ovat edessä ja Rubin ehtii markkinoille ensin. Seuraava mittapuu on se, montako megawattia Jalapeñoa OpenAI saa oikeasti pystyyn.