OpenAI treibt seine Unabhängigkeit bei KI-Hardware voran. Mit Jalapeño hat das Unternehmen erste Leistungsdaten seines selbst entwickelten Inferenzchips veröffentlicht. In Tests soll der Beschleuniger laut OpenAI bei Energieeffizienz und Reaktionsgeschwindigkeit führende kommerziell verfügbare KI-Systeme übertreffen. Der erste Einsatz in OpenAIs eigener Infrastruktur ist bis Ende 2026 geplant.
Die Ergebnisse basieren auf dem öffentlichen InferenceX-Benchmark von SemiAnalysis. OpenAI verglich Jalapeño dabei über verschiedene Lastbereiche hinweg mit bestehenden Beschleunigersystemen. Noch befindet sich die Hardware allerdings vor dem großflächigen Produktiveinsatz, sodass Produktionsreife, Zuverlässigkeit und Leistung unter dauerhafter Auslastung erst noch belegt werden müssen.
Jalapeño verspricht mehr Leistung pro Watt
Getestet wurde Jalapeño mit GPT-OSS 120B, DeepSeek R1 670B und Kimi K2.5 1T. Über die drei Modellfamilien hinweg erreichte der Chip laut OpenAI beim maximalen Durchsatz die 1,5- bis 1,9-fache KI-Leistung pro Watt gegenüber den Vergleichssystemen. Die Ende-zu-Ende-Latenz fiel demnach um den Faktor 1,7 bis 3,6 niedriger aus.
Bei besonders interaktiven Anwendungen meldet OpenAI eine 2,1- bis 4,1-fach höhere Leistung. Der Chip ist für 700 Watt ausgelegt, soll bei den untersuchten Arbeitslasten jedoch dauerhaft höchstens 550 Watt verbraucht haben. Gerade für KI-Agenten sind kurze Antwortzeiten relevant, weil sich Verzögerungen über zahlreiche aufeinanderfolgende Verarbeitungsschritte summieren können.
Gewinnen in der Plattform-Ökonomie
Hardware und Software werden gemeinsam optimiert
Jalapeño wurde speziell für die Inferenz moderner Sprachmodelle entwickelt. OpenAI stimmt dafür Rechenarchitektur, Speicher, Netzwerk und Software aufeinander ab. Datenbewegungen sollen reduziert und Modellzustände möglichst lokal gehalten werden, um Wartezeiten zwischen einzelnen Komponenten zu vermeiden.
Damit verfolgt das Unternehmen einen Full-Stack-Ansatz, bei dem Modelle, Produkte und die darunterliegende Infrastruktur gemeinsam entwickelt werden. Eine höhere Leistung pro Watt könnte mehr KI-Anfragen mit vorhandener Energie- und Rechenzentrumskapazität ermöglichen und langfristig die Kosten der Bereitstellung leistungsfähiger Modelle senken.
KI half bei Entwicklung und Programmierung
OpenAI setzte eigene KI-Systeme bereits bei der Entstehung von Jalapeño ein. Vom ersten Design bis zum Tape-out benötigte das Team nach Unternehmensangaben neun Monate. KI unterstützte unter anderem bei der Untersuchung verschiedener Implementierungen, der Verifikation und der Optimierung von Rechenschaltungen.
Auch bei der Softwareentwicklung spielt KI eine Rolle. Mithilfe von Codex mit GPT-Astra wurden drei ursprünglich nicht eingeplante Open-Weight-Modellfamilien innerhalb von zwei Monaten für Jalapeño optimiert. Bei ausgewählten GPT-OSS-Komponenten waren KI-generierte Implementierungen laut OpenAI 1,5- bis 1,8-mal schneller als bestehende, von Spezialisten entwickelte Varianten. Diese Werte gelten allerdings nur für einzelne Programmblöcke und nicht für vollständige Modelle.
Nvidia bleibt trotz eigener Chips wichtiger Partner
Jalapeño ist als Beginn einer mehrjährigen Chipstrategie angelegt. Eine zweite Generation befindet sich bereits weit in der Entwicklung, während OpenAI an den Grundlagen einer dritten Generation arbeitet. Eigene Hardware könnte dem Unternehmen langfristig mehr Kontrolle über Kosten, Kapazitäten und die Abstimmung seiner KI-Systeme geben.
Eine Abkehr von Nvidia bedeutet die Entwicklung jedoch nicht. OpenAI will weiterhin in großem Umfang Beschleuniger von Nvidia und anderen Partnern für Training und Inferenz einsetzen. Entscheidend wird nun, ob Jalapeño die bislang gemessenen Vorteile auch im großflächigen Dauerbetrieb erreicht. Gelingt dies, könnte der eigene Chip zu einem wichtigen Baustein der Infrastrukturstrategie von OpenAI werden.
