OpenAI ha demostrado que no necesita limitarse a comprar aceleradores de NVIDIA para ejecutar sus modelos de Inteligencia Artificial, pues su primer ASIC propio, bautizado como Jalapeño, ya ha conseguido superar a los sistemas NVIDIA Blackwell GB200 y GB300 en velocidad, latencia y eficiencia energética. Los resultados proceden de pruebas realizadas con InferenceX de SemiAnalysis por parte de OpenAI, utilizando tres modelos públicos con entre 120.000 millones y un billón de parámetros, y son realmente interesantes.
Lo que tenemos entre manos es algo bastante impresionante, y aunque hay gato encerrado en parte, no deja de ser muy interesante, porque hablamos del primer chip a modo de ASIC y acelerador de los de Sam Altman, batiendo a la tercera generación completa de GPU de NVIDIA.
OpenAI Jalapeño es realmente rápido frente a NVIDIA Blackwell
Vayamos directamente a los datos, porque del ASIC no hay más datos a tratar como tal. En términos de eficiencia máxima, Jalapeño alcanzó 85.448 tokens mixtos por segundo y kW ejecutando GPT-OSS 120B, frente a los 44.960 tokens/s/kW del NVIDIA GB200. Hablamos de 1,9 veces más rendimiento por kW (+90%). Con DeepSeek R1 670B obtuvo 19.641 tokens/s/kW frente a los 11.781 del GB300, ofreciendo 1,7 veces más eficiencia (+70%), mientras que con Kimi K2.5 1T consiguió 18.195 tokens/s/kW frente a 11.862, lo que supone 1,5 veces más rendimiento (+50%).
La diferencia resulta todavía más espectacular cuando se analiza la velocidad ofrecida a cada usuario. Jalapeño movió GPT-OSS a 1.459 tokens/s por usuario, frente a los 535 tokens/s del GB200, siendo 2,7 veces más rápido (+170%). Con DeepSeek R1 alcanzó 700 tokens/s frente a 169 tokens/s, una ventaja de 4,1 veces (+310%), mientras que Kimi K2.5 funcionó a 694 tokens/s frente a 182 tokens/s, multiplicando la velocidad por 3,8 (+280%).
Lo específico frente a lo global, ¿llevaba OpenAI razón al diseñar su propio hardware?
Si ambos aceleradores se obligan a trabajar a la máxima velocidad de decodificación alcanzada por Blackwell, Jalapeño conserva mucho más throughput agregado. En ese escenario entrega 53,7 veces más rendimiento (+5.270%) con GPT-OSS, 104,3 veces más (+10.330%) con DeepSeek R1 y 56,1 veces más (+5.510%) con Kimi K2.5. Esto no significa que sea hasta 104,3 veces más potente en términos generales, sino que la arquitectura de NVIDIA sacrifica gran parte de su capacidad cuando busca reducir al máximo la latencia por usuario.
Jalapeño utiliza un enorme ASIC de cálculo fabricado mediante TSMC N3P, acompañado por un chiplet de entrada y salida en N3E y seis pilas de memoria HBM4, alcanzando 15,4 TB/s de ancho de banda. Su revisión B0 ofrece 13,4 PFLOPS MXFP4 con un TDP de 700W, aunque durante las pruebas su consumo sostenido permaneció por debajo de 550W, lo cual para el rendimiento que ofrece es muy impresionante.
OpenAI también ha desarrollado su propio lenguaje de programación, denominado Gluon, y utiliza Codex para escribir y optimizar kernels. El ASIC todavía debe demostrar su rendimiento con contextos largos y cargas agénticas más complejas, vaya esto por delante, porque todo ha sido muy específico, pero estos primeros resultados ya colocan a Jalapeño por delante de Blackwell en inferencia y abren una alternativa real al ecosistema CUDA.
Si esto fuese así finalmente, y todo apunta a ello, el salto de rendimiento de OpenAI en sus propios servidores podría ser realmente brutal, bajando el coste por token y permitiendo más millones de ellos en cada plan. Igualmente, habrá que esperar más pruebas en más entornos de IA para estar seguros de que es el camino correcto.
La entrada OpenAI Jalapeño supera a NVIDIA Blackwell: su ASIC alcanza hasta 1.459 tokens/s por usuario y 1,9 veces más eficiencia (+90 %) aparece primero en El Chapuzas Informático.
