OpenAI azt állítja, hogy a mesterséges intelligencia fejlődése akkor gyorsul a leginkább, ha a teljes rendszer együttesen javul: a központi számítástechnikai infrastruktúrától és chipektől a határmodelleken, fejlesztői platformokon, fogyasztói és vállalati termékeken át az AI‑natív eszközökig. Ennek részeként a vállalat bemutatta az első mért teljesítményadatokat Jalapeño névre keresztelt, saját inferenciachipjéről, és ismertette portfólió‑ és adatközpont‑stratégiáját.
Jalapeño — OpenAI első saját inferenciachipje
OpenAI közlése szerint Jalapeño az első saját fejlesztésű inferenciachipjük. Nyilvános összehasonlító mérőeszközökön mért eredményei alapján:
- InferenceX benchmarkon, GPT‑OSS 120B modellel, Jalapeño nagyobb csúcsteljesítményt (throughput) ért el kilowatt‑onként és alacsonyabb token‑latenciát mutatott a vizsgált kereskedelmi rendszerekhez képest.
- A chip jól teljesített a DeepSeek R1 és a Kimi K2 benchmarkokban is, ami arra utal, hogy javulásai több modellcsaládon át érvényesülnek.
A saját chip lehetővé teszi OpenAI számára a futtatási módok és a szolgáltatásgazdaságtan nagyobb kontrollját. A cég hangsúlyozza, hogy a modell, a kiszolgáló szoftver, a chip, a memória és a hálózat együttes tervezése javíthatja a throughputot, a késleltetést, az energiahatékonyságot és a költségeket. OpenAI szerint már működő első‑parti szilíciumuk van mért eredményekkel, és további generációk fejlesztése folyamatban van.
Rendszerszemlélet és a Pareto‑határ követése
OpenAI kiemeli, hogy különböző feladatok eltérő követelményeket jelentenek: a határtréning (frontier training), a nagy volumenű inferencia és az állandóan futó (always‑on) ügynökök más‑más igényeket támasztanak chip, szoftver, hálózat, energia és késleltetés szempontjából. Céljuk a Pareto‑fronton maradás: folyamatosan keresni a legegyensúlyozottabb kombinációt képesség, sebesség, megbízhatóság, hatékonyság és költség tekintetében.
A vállalat portfóliója lehetővé teszi, hogy az egyes munkaterhelésekhez a legmegfelelőbb rendszert válasszák. A közlemény megnevezi azokat a külső szereplőket, amelyek eddig alapvetőek voltak OpenAI növekedésében: Microsoft és NVIDIA; ma a portfólió további szereplői közé tartoznak az AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy és SoftBank. Ezek különböző erősségeket hoznak felhőinfrastruktúra, gyorsított számítás, alacsony késleltetésű inferencia, adatközpont‑fejlesztés és energiaellátás terén.
OpenAI hangsúlyozza, hogy aktívan kezeli ezt a portfóliót mind képesség, mind gazdaságosság szempontjából: prémium rendszereket használ, ahol a képesség döntő, és hatékonyságra optimalizál, ahol a méret és költség számít. A választási lehetőség fenntartása szereplők és telepítési modellek között lehetővé teszi a teljesítmény/dollár vezérelt irányítást, az árazási fegyelem megtartását és a gyors alkalmazkodást, ahogy erősebb technológiák jelennek meg.
Adatközpontok és Project Camellia
OpenAI példaként említi Project Camellia nevű kezdeményezést Georgiában, amely szerintük megmutatja, hogyan lehet az ügyfél‑munkaterhelések köré tervezni létesítményeket, miközben munkahelyeket hoznak létre, helyi vállalkozásokat támogatnak, fedezik a projekt infrastrukturális és energia költségeit, vízfogyasztást zárt hurkú rendszerrel csökkentik, és éves független nyilvános auditnak vetik alá kötelezettségeiket.
Működési mérőszámok és gazdasági következmények
OpenAI szerint az egész rendszer értéke azt tükrözi, mennyi hasznos intelligenciát tud előállítani egy számítási egységből. Konkrét belső mérőszámokat is megemlítenek:
- Az Artificial Analysis Coding Agent Indexen a GPT‑5.6 Sol maximális érvelési beállítással új csúcsot ért el, miközben 54%‑kal kevesebb output token‑t használt, mint egy másik vezető modell.
Az ilyen javulások ügyfeleik számára gyorsabb eredményeket, megbízhatóbb termékeket, kevesebb újrapróbálkozást, hosszabb folyamatokat befejező ügynököket és alacsonyabb teljes költséget jelentenek. OpenAI azzal érvel, hogy a legtakarékosabb gazdaságosság a „hasznos intelligencia per dollár” növelésével érhető el.
A cég utal Jevons‑paradoxonjára: ahogy nő az energia‑ vagy számítási hatékonyság, új alkalmazások válnak gazdaságilag ésszerűvé, ami összességében növeli a fogyasztást és az új gazdasági aktivitást (több elvégzett munka, jobb döntések, termék‑bevezetések, bevétel).
Záró megjegyzés
OpenAI álláspontja szerint a hatékonyabb számítás és a versenyképesebb ellátói bázis lehetővé teszi több ügyfél kiszolgálását alacsonyabb költségen, és ez az alapja annak a körforgásnak, amely a kutatásba, infrastruktúrába és biztonságba történő további beruházásokat finanszírozza. Röviden: a technológiai javulások jobb gazdaságosságot hoznak, ami további fejlődést és rendszerszintű erősödést finanszíroz.
