A disputa pela infraestrutura que sustenta a inteligência artificial ganhou um novo capítulo. A OpenAI divulgou os primeiros resultados de desempenho do Jalapeño, seu primeiro processador personalizado para IA, e afirma ter alcançado vantagens importantes sobre sistemas equipados com chips Blackwell da Nvidia.
O resultado, porém, precisa ser interpretado corretamente: a OpenAI não afirma que seu chip é simplesmente mais poderoso que o Blackwell em todas as tarefas. A principal vantagem apareceu em inferência — momento em que um modelo já treinado processa solicitações e produz respostas — especialmente nas métricas de eficiência energética e latência.
Nos testes com o benchmark InferenceX, o Jalapeño apresentou aproximadamente 1,5 a 1,9 vez mais throughput por watt que sistemas Nvidia GB200 e GB300. A latência de ponta a ponta também ficou entre 1,7 e 3,6 vezes menor, dependendo do modelo e da configuração analisada.
Chip foi criado especialmente para inferência
O Jalapeño foi apresentado originalmente em junho e é fruto de uma parceria entre OpenAI e Broadcom. Diferentemente de uma GPU de propósito mais amplo, o processador foi desenvolvido desde o início pensando nas características dos grandes modelos de linguagem.
Segundo a OpenAI, essa especialização permitiu otimizar aspectos como movimentação de dados, memória, comunicação entre processadores e execução dos cálculos mais frequentes durante a inferência.
O acelerador possui 216 GB de memória HBM4, largura de banda de até 15,4 TB/s e consumo projetado de aproximadamente 700 watts. A arquitetura também foi planejada para funcionar em grandes clusters: uma configuração pode reunir até 2.048 processadores.
Nos comparativos apresentados, o consumo é uma diferença importante. Enquanto o Jalapeño trabalha na faixa de 700 W, os sistemas usados na comparação com GB200 e GB300 foram normalizados considerando aproximadamente 1.200 W e 1.400 W, respectivamente. Isso ajuda a explicar por que a principal vantagem apresentada pela OpenAI aparece na quantidade de trabalho realizada por unidade de energia consumida.
GPT-OSS, DeepSeek e Kimi entraram nos testes
A avaliação não ficou restrita a modelos da própria OpenAI.
Os testes envolveram GPT-OSS 120B, DeepSeek R1 e Kimi K2.5, permitindo observar o comportamento do hardware com diferentes famílias de modelos. Os resultados indicaram ganhos principalmente quando é necessário combinar alto volume de processamento com baixa latência.
Essa característica pode ser particularmente importante para agentes de IA, que frequentemente precisam realizar diversas chamadas consecutivas ao modelo para completar uma única tarefa.
Em uma conversa simples, algumas centenas de milissegundos podem passar despercebidas. Em um agente que precisa executar dezenas ou centenas de etapas, porém, pequenas reduções de latência acumuladas podem produzir uma diferença significativa na experiência final.
IA ajudou a OpenAI a desenvolver o próprio chip
Outro aspecto incomum do projeto está no próprio processo de engenharia.
A OpenAI afirma ter utilizado seus modelos de inteligência artificial para auxiliar no desenvolvimento e otimização do Jalapeño. O ciclo entre o início do projeto e o chamado tape-out — etapa em que o desenho é enviado para fabricação — levou apenas nove meses.
Segundo detalhes apresentados na conferência Hot Chips 2026, ferramentas de IA foram utilizadas para encontrar otimizações relacionadas a desempenho, consumo energético e área física dos componentes do processador.
Isso cria uma dinâmica interessante: modelos de IA estão ajudando a projetar os chips que executarão futuras gerações de inteligência artificial.
Jalapeño não substitui Nvidia para tudo
Apesar dos números, o lançamento não significa que a OpenAI esteja prestes a abandonar as GPUs da Nvidia.
O Jalapeño foi desenvolvido prioritariamente para inferência, e não para o treinamento de grandes modelos. A construção dos modelos de fronteira continua exigindo enormes clusters de aceleradores, segmento em que Nvidia permanece com forte presença.
A própria OpenAI afirma que pretende continuar trabalhando com diferentes parceiros de infraestrutura.
Além disso, comparar arquiteturas diferentes exige cautela. Os resultados publicados medem cargas e condições específicas e não significam que o Jalapeño tenha desempenho absoluto superior ao Blackwell em qualquer cenário.
A vantagem apresentada está principalmente na combinação entre consumo de energia, throughput e baixa latência para inferência de LLMs.
Energia virou um dos maiores desafios da IA
É justamente nesse ponto que o Jalapeño pode ser estrategicamente importante.
O crescimento da IA está transformando eletricidade em um dos principais gargalos para a expansão dos data centers. Quanto mais usuários utilizam modelos generativos, maior é o número de GPUs ou aceleradores necessários para processar as solicitações.
Para empresas que operam serviços utilizados por centenas de milhões de pessoas, pequenas melhorias na quantidade de tokens processados por watt podem representar economias significativas quando multiplicadas por milhares de servidores funcionando continuamente.
A OpenAI argumenta que melhorar a eficiência de sua infraestrutura pode resultar em respostas mais rápidas no ChatGPT, tarefas mais ágeis no Codex, maior disponibilidade e redução do custo necessário para oferecer produtos baseados em IA.
OpenAI prepara novas gerações
O Jalapeño também não será um projeto isolado. A empresa trabalha em uma estratégia de várias gerações de processadores personalizados.
A segunda geração já está avançando em direção ao tape-out, enquanto uma terceira geração também está em desenvolvimento.
A implantação inicial do primeiro Jalapeño está prevista para ocorrer até o final de 2026, com expansão mais significativa da infraestrutura em 2027.
A movimentação acompanha uma tendência observada entre as maiores empresas de tecnologia. Google, Amazon, Microsoft e outras companhias vêm investindo em processadores personalizados para diminuir custos e adaptar o hardware às características específicas de suas cargas de IA.
Para a OpenAI, desenvolver chips próprios significa ganhar maior controle sobre uma das partes mais caras de sua operação. Para a Nvidia, representa o crescimento de uma nova categoria de concorrência: seus maiores clientes estão começando a projetar alternativas especificamente adaptadas às próprias necessidades.
O Jalapeño ainda terá de provar seu desempenho quando implantado em grande escala. Mas os primeiros resultados mostram que a corrida da inteligência artificial está deixando de acontecer apenas nos modelos. A próxima disputa também será travada dentro dos data centers — e em cada watt necessário para gerar uma resposta.
